Printing in Time for Cranio-Maxillo-Facial Trauma Surgery: Key Parameters to Factor in
Notice bibliographique
Résumé
Study Design: retrospective cohort study. Objective: 3D printing is used extensively in cranio-maxillo-facial (CMF) surgery, but difficulties remain for surgeons to implement it in an acute trauma setting because critical information is often omitted from reports. Therefore, we developed an in-house printing pipeline for a variety of cranio-maxillo-facial fractures and characterized each step required to print a model in time for surgery. Methods: All consecutive patients requiring in-house 3D printed models in a level 1 trauma center for acute trauma surgery between March and November 2019 were identified and analyzed. Results: Sixteen patients requiring the printing of 25 in-house models were identified. Virtual Surgical Planning time ranged from 0h 08min to 4h 41min (mean = 1h 46min). The overall printing phase per model (pre-processing, printing, and post-processing) ranged from 2h 54min to 27h 24min (mean = 9h 19min). The overall success rate of prints was 84%. Filament cost was between $0.20 and $5.00 per model (mean = $1.56). Conclusions: This study demonstrates that in-house 3D printing can be done reliably in a relatively short period of time, therefore allowing 3D printing usage for acute facial fracture treatment. When compared to outsourcing, in-house printing shortens the process by avoiding shipping delays and by having a better control over the printing process. For time-critical prints, other time-consuming steps need to be considered, such as virtual planning, pre-processing of 3D files, post-processing of prints, and print failure rate.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».