Notice bibliographique
Résumé
Contrast Spread Technique (CST) is a new and evolving method for epidural space recognition. It is based on the interpretation of the radiological images and possesses some theoretical advantages over the conventional loss of resistance (LOR) technique. Unlike the LOR technique, which relies on the subjective feeling of the performing physician, the CST technique allows for objective verification of the needle tip location inside or outside of the epidural space by visual assessment of the contrast spread that may also be observed and interpreted by the third party. By putting the emphasis on the analysis of resulted radiological images instead of relying on the tactile sense of resistance, it may improve the accuracy of the needle placement and improve the safety of the epidural injections by preventing dural penetration. I safely performed more than 1500 injections with CST and, together with my coworkers, created an algorithm for performing cervical ESI with this technique. I also performed an IRB approved study (Canadian SHIELD, 07/18/19) where both techniques were compared. Cervical ESI was performed with either 18G or 25G needle, with 20 patients in each group. In both groups, 95% Confidence Interval for the proportion of epidural space detection was significantly less for LORT. There was also a significant difference between the proportions of detection of epidural space confirmed by LORT using 18G needle and 25G needles: 60% vs. 10%. Epidural space recognition was 100% for CST in both groups. Discussion & Conclusion: In both groups, CST was superior to LORT in epidural space recognition. Although it is understandable for 25G group, it is unclear why in 18G group visual recognition of the contrast spread came before the tactile loss of resistance. Further studies are warranted to explore a new technique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».