Notice bibliographique
Résumé
Clinical neurophysiology provides valuable information in neurosurgery, serving as: a diagnostic tool that can quantify type and severity of damage to the central and peripheral nervous system, a means of monitoring the safety of structures within and around the surgical site, and a method to map structures. As such it aides in identifying structures (e.g. finding sacral nerve roots within a spinal lipoma or nuclei within the thalamus), assessing functional integrity (e.g. motor pathways from cortex to any relevant accessible muscle), and monitoring their function while surgery occurs near to structures (e.g. VII while retraction during trigeminal microvascular decompression, and in scoliosis surgery) and provide guidance to technical operative steps (e.g. for selective dorsal rhizotomy). Intraoperative monitoring is not new, though the advances in equipment and technique of recent years have seen an explosion in the useful ways that neurophysiology can aid the neurosurgeon and protect the patient. The development of techniques to localize epileptic foci and map eloquent cerebral cortex in the 1950s produced major scientific advances as well as revolutionizing epilepsy surgery. Since the 1960s Tasker in Toronto, and Gillingham in Edinburgh, were recording from microelectrodes in the human thalamus to guide movement disorder surgery. Pioneers such as Møller have extended the applications of neurophysiological monitoring in skull base surgery. This chapter describes neurophysiological mapping and monitoring, and the different tools that are useful in different situations.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,046 |
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 ».