Evaluating the Feasibility and Efficacy of a Dual-Modality Nanoparticle Contrast Agent (Nanotrast-CF800) for Image-Guided Sentinel Lymph Node Mapping in the Oral Cavity of Healthy Dogs
Notice bibliographique
Résumé
A combination of pre and intraoperative sentinel lymph node (SLN) mapping techniques have been suggested to optimize SLN detection. A novel liposomal nanoparticle, Nanotrast-CF800 (CF800), utilizes computed tomography lymphography (CTL) and near infrared fluorescence imaging (NIRF) for image-guided surgery and SLN mapping. This novel tracer agent has not been evaluated in companion animals. The objective of this study was to evaluate the feasibility and efficacy of CF800 for SLN mapping in the oral cavity of healthy dogs and to report any local adverse effects. Six healthy adult purpose-bred research dogs randomly received either 1 mL (group 1) or 2 mL (group 2) of CF800 injected into the submucosa at the level of the right canine maxillary tooth. CTL and percutaneous NIRF were performed at 1, 3, and 10 min, then 1, 2, 4, 7, and 10 days post-injection (p.i). Overall, both CTL and NIRF identified SLNs in all dogs. The overall peak mean contrast enhancement of the SLNs was 73.98 HU (range 63.45-86.27 HU) at 2 days p.i. Peak fluorescence of the SLN occurred at 1 day p.i. The agent was retained within the SLN for at least 7 days for CTL and 4 days for percutaneous NIRF. No adverse effects were observed. Local administration of CF800 was simple and feasible for the detection of SLNs using CTL+NIRF in the head and neck of healthy dogs and was not associated with significant local adverse events.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».