Wide Dissection Trans-Sulcal Approach for Resection of Deep Intra-Axial Lesions in Eloquent Brain Areas
Notice bibliographique
Résumé
Introduction: Resection of intra-axial tumors (IaT) in eloquent brain regions risks major postoperative neurological deficits. Awake craniotomy is often used to navigate these areas; however, some patients are ineligible for awake procedures. The trans-sulcal approach (TScal) was introduced to reduce parenchymal trauma during tumor resection. We report our experiences utilizing TScal for resection of deep IaT located in eloquent areas. Materials and Methods: This is a single-center retrospective analysis of patients who underwent IaT resection in eloquent areas via TScal from January 2013 to April 2021. Seventeen cases were reviewed, and relevant data was collected. Fluorescence-guided surgery with 5-aminolevulinic acid (ALA) and intraoperative ultrasound was performed in some cases. Results: Seventeen patients (10 males, 7 females) averaging 61.2 years-old (range, 21–76) were included in this study. Average length of stay was 4.8 days, and only 2 patients (11.8%) required hospital readmission within 30 days. Gross total resection (GTR) was achieved in 15 patients (88.2%), while subtotal resection occurred in 2 patients (11.8%). Eleven patients (64.7%) reported full resolution of symptoms, 4 patients (23.5%) reported deficit improvement, and 2 patients (11.8%) experienced no change from their preoperative deficits. No patient developed new permanent deficits postoperatively. Discussion: GTR, preoperative deficit reduction, and complications were comparable to awake craniotomy and other TScal studies. Ancillary intraoperative techniques, such as brain mapping, 5-ALA and intraoperative ultrasound, are afforded by TScal to improve resection rates and overall outcomes. Conclusions: TScal can be an option for patients with deep lesions in eloquent areas who are not candidates for awake surgeries.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».