Effect of volume and methylene blue on fluorescence intensity and transit of indocyanine green for sentinel lymph node mapping in a simulated feline tumor model
Notice bibliographique
Résumé
OBJECTIVE: To compare the effect of volume and solution on transit time and fluorescence intensity (FI) using near-infrared fluorescence imaging (NIRF) in a simulated tumor model in cats. Secondarily, to describe SLN mapping with indocyanine green (ICG) NIRF and report any adverse effects of intradermally injected ICG in cats. ANIMALS: 7 healthy purpose-bred domestic shorthaired male cats. METHODS: Cats were randomly divided into 2 groups (ICG or ICG + methylene blue [MB]). Transit time and FI were determined for 1 or 2 mL solutions injected intradermally in 4 quadrants around a simulated tumor. Following massage, fluorescence intensity was quantified by calculating the corrected total ROI fluorescence using ImageJ software. Cats were monitored for adverse effects up to 4 weeks post-injection. RESULTS: A larger solution volume had decreased transit times to the SLN (P = .001). There was no significant difference in transit times between ICG and ICG-MB. ICG demonstrated a greater FI (P = .001) in the SLN compared to ICG-MB. Methylene blue did not percutaneously fluoresce under NIRF. The volume of the solution did not significantly affect FI. No adverse reactions were reported. CLINICAL RELEVANCE: Increased volume of ICG may aid in rapid percutaneous lymphatic tracking from tumor to SLN. Indocyanine green alone may be preferred over ICG-MB for greater visualization of the SLN. Intradermal injections of ICG and ICG-MB were well-tolerated in healthy cats with no significant complications. Clinical evaluation of this technique in an impaired lymphatic system, as seen in cancer patients, should be assessed in future research.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».