Cost-Effective Cranioplasty Utilizing 3D Printed Molds: A Canadian Single-Center Experience
Notice bibliographique
Résumé
BACKGROUND: Cranioplasty is a commonly performed neurosurgical procedure used to repair defects of the cranial vault. For large defects, 3D printing allows for the creation of patient-specific synthetic cranioplasties. Although these implants provide excellent cosmetic results for patients, costs are quite high. This makes their routine use challenging in the current Canadian healthcare environment. The purpose of this study is to report our experience with a novel, cost-effective method for cranioplasty using desktop 3D printers to manufacture patient-specific molds to aid in the shaping of polymethyl methacrylate (PMMA) cranioplasty intraoperatively. METHODS: A retrospective review of patients who underwent cranioplasty utilizing 3D printed custom molds was conducted at a single center between 2018 and 2020. Either a two-piece self-align or open-air mold was utilized. Material cost, as well as demographic, clinical, and radiologic data, was reviewed. A five-point ordinance scale was used to evaluate patient satisfaction with cosmesis. RESULTS: Four patients had previous craniectomies with infected bone flaps, 2 patients had significant bony destruction from tumor invasion, and 1 patient had bone flap resorption. Three patients underwent an open-air mold technique with a Ti-mesh/PMMA-combined implant. The remaining 4 patients underwent two-piece mold with PMMA-only implant. All patients had 'Good' to 'Excellent' cosmetic outcome with one post-operative acute subdural hematoma and one post-operative infection. Two-piece mold resulted in improved cosmetic outcome and cost savings. CONCLUSIONS: 3D printing can be used in a cost-effective manner to deliver good cranioplasty cosmesis. Wider adoption of this technique can result in significant healthcare cost savings without compromising patient outcome.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».