MétaCan
Menu
Retour à la cohorte
Enregistrement W4212863727 · doi:10.3390/cancers14041085

Applications of Frameless Image-Guided Robotic Stereotactic Radiotherapy and Radiosurgery in Pediatric Neuro-Oncology: A Systematic Review

2022· review· en· W4212863727 sur OpenAlexaffabout
Felix Ehret, David Kaul, Volker Budach, Laura‐Nanna Lohkamp

Notice bibliographique

RevueCancers · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensToronto Western HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesBerlin Institute of HealthDeutsche Forschungsgemeinschaft
Mots-clésMedicineRadiosurgeryMEDLINECochrane LibrarySystematic reviewMedical physicsRadiation therapyData extractionEvidence-based medicineMeta-analysisInternal medicinePathologyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: CyberKnife-based robotic radiosurgery (RRS) is a widely used treatment modality for various benign and malignant tumors of the central nervous system (CNS) in adults due to its high precision, favorable safety profile, and efficacy. Although RRS is emerging in pediatric neuro-oncology, scientific evidence for treatment indications, treatment parameters, and patient outcomes is scarce. This systematic review summarizes the current experience and evidence for RRS and robotic stereotactic radiotherapy (RSRT) in pediatric neuro-oncology. METHODS: We performed a systematic review based on the databases Ovid Medline, Embase, Cochrane Library, and PubMed to identify studies and published articles reporting on RRS and RSRT treatments in pediatric neuro-oncology. The Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines were applied herein. Articles were included if they described the application of RRS and RSRT in pediatric neuro-oncological patients. The quality of the articles was assessed based on their evidence level and their risk for bias using the original as well as an adapted version of the Newcastle Ottawa Quality Assessment Scale (NOS). Only articles published until 1 August 2021, were included. RESULTS: A total of 23 articles were included after final review and removal of duplicates. Articles reported on a broad variety of CNS entities with various treatment indications. A majority of publications lacked substantial sample sizes and a prospective study design. Several reports included adult patients, thereby limiting the possibility of data extraction and analysis of pediatric patients. RRS and RSRT were mostly used in the setting of adjuvant, palliative, and salvage treatments with decent local control rates and acceptable short-to-intermediate-term toxicity. However, follow-up durations were limited. The evidence level was IV for all studies; the NOS score ranged between four and six, while the overall risk of bias was moderate to low. CONCLUSION: Publications on RRS and RSRT and their application in pediatric neuro-oncology are rare and lack high-quality evidence with respect to entity-related treatment standards and long-term outcomes. The limited data suggest that RRS and RSRT could be efficient treatment modalities, especially for children who are unsuitable for surgical interventions, suffer from tumor recurrences, or require palliative treatments. Nevertheless, the potential short-term and long-term adverse events must be kept in mind when choosing such a treatment. Prospective studies are necessary to determine the actual utility of RRS and RSRT in pediatric neuro-oncology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,009
Bibliométrie0,0100,011
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,359
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207