MétaCan
Menu
Retour à la cohorte
Enregistrement W4384822790 · doi:10.3390/curroncol30070495

The New Ice Age of Musculoskeletal Intervention: Role of Percutaneous Cryoablation in Bone and Soft Tissue Tumors

2023· review· en· W4384822790 sur OpenAlexvenueno aff
Nicolas Papalexis, Leonor Garbin Savarese, Giuliano Peta, Costantino Errani, Gianmarco Tuzzato, Paolo Spinnato, Federico Ponti, Marco Miceli, Giancarlo Facchini

Notice bibliographique

RevueCurrent Oncology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueSarcoma Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCryoablationMedicineCryosurgerySoft tissueCryotherapyRadiologyPercutaneousSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

In the rapidly evolving field of interventional oncology, minimally invasive methods, including CT-guided cryoablation, play an increasingly important role in tumor treatment, notably in bone and soft tissue cancers. Cryoablation works using compressed gas-filled probes to freeze tumor cells to temperatures below -20 °C, exploiting the Joule-Thompson effect. This cooling causes cell destruction by forming intracellular ice crystals and disrupting blood flow through endothelial cell damage, leading to local ischemia and devascularization. Coupling this with CT technology enables precise tumor targeting, preserving healthy surrounding tissues and decreasing postoperative complications. This review reports the most important literature on CT-guided cryoablation's application in musculoskeletal oncology, including sarcoma, bone metastases, and bone and soft tissue benign primary tumors, reporting on the success rate, recurrence rate, complications, and technical aspects to maximize success for cryoablation in the musculoskeletal system.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,552

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,089
Tête enseignante GPT0,443
Écart entre enseignants0,354 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSans objet · Autre devis
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

Citations27
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetSarcoma Diagnosis and TreatmentTravaux en français237 207