Regenerative Peripheral Nerve Interface: Surgical Protocol for a Randomized Controlled Trial in Postamputation Pain
Notice bibliographique
Résumé
Surgical procedures, including nerve reconstruction and end-organ muscle reinnervation, have become more prominent in the prosthetic field over the past decade. Primarily developed to increase the functionality of prosthetic limbs, these surgical procedures have also been found to reduce postamputation neuropathic pain. Today, some of these procedures are performed more frequently for the management and prevention of postamputation pain than for prosthetic fitting, indicating a significant need for effective solutions to postamputation pain. One notable emerging procedure in this context is the Regenerative Peripheral Nerve Interface (RPNI). RPNI surgery involves an operative approach that entails splitting the nerve end longitudinally into its main fascicles and implanting these fascicles within free denervated and devascularized muscle grafts. The RPNI procedure takes a proactive stance in addressing freshly cut nerve endings, facilitating painful neuroma prevention and treatment by enabling the nerve to regenerate and innervate an end organ, i.e., the free muscle graft. Retrospective studies have shown RPNI's effectiveness in alleviating postamputation pain and preventing the formation of painful neuromas. The increasing frequency of utilization of this approach has also given rise to variations in the technique. This article aims to provide a step-by-step description of the RPNI procedure, which will serve as the standardized procedure employed in an international, randomized controlled trial (ClinicalTrials.gov, NCT05009394). In this trial, RPNI is compared to two other surgical procedures for postamputation pain management, specifically, Targeted Muscle Reinnervation (TMR) and neuroma excision coupled with intra-muscular transposition and burying.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».