Quantitative laryngeal electromyography parameters may correlate with improved outcomes following botulinum toxin injection for spasmodic dysphonia
Notice bibliographique
Résumé
BACKGROUND: Despite use of qualitative laryngeal electromyography (LEMG) guided botulinum toxin A (BoNT-A) injection for treatment of adductor spasmodic dysphonia (AdSD), unsatisfactory injections and complete "misses" remain problematic. We aimed to determine if the quantitative LEMG measure of number of small segments (NSS) correlates with voice outcomes following (BoNT-A injection for AdSD. METHODS: Automated quantitative LEMG analysis was performed during electromyography (EMG) -guided BoNT-A injection into the thyroarytenoid-lateral cricoarytenoid muscle complex for treatment of AdSD. Pre-injection phonatory NSS values were correlated with clinical voice outcomes and patient reported injection results. RESULTS: Quantitative LEMG measures were obtained for 45 AdSD patients (28 female, mean age 60.8 ± 12.8 years) during EMG-guided BoNT-A injection. Mean sampled NSS during phonation immediately prior to BoNT-A injection was 524 ± 323 (range: 2-904). Mean follow up was 36.5 ± 9.4 days; one patient was lost to follow-up. In comparison to their previous BoNT-A injection, the current injection was rated as worse, same, and better by 13 (29.5%), 25 (56.8%), and 6 (13.6%) patients, respectively. All 4 (9.1%) patients with NSS < 200 rated their BoNT-A injection result as worse than previous, and change in Voice Handicap Index-10 (VHI-10) scores were worse or without change. CONCLUSIONS: Aiming for an NSS value greater than 200 during phonation prior to BoNT-A toxin injection for AdSD may reduce unfavorable voice outcomes.
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 | 0,000 |
| 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 ».