MétaCan
Menu
Retour à la cohorte
Enregistrement W4398252798 · doi:10.1016/j.compbiomed.2024.108633

A computational modelling tool for prediction of head reshaping following endoscopic strip craniectomy and helmet therapy for the treatment of scaphocephaly

2024· article· en· W4398252798 sur OpenAlexaff
Lara Deliège, Alessandra Carriero, Juling Ong, Greg James, Owase Jeelani, David Dunaway, Petronella Stoltz, David S. Hersh, Jonathan E. Martin, Kathleen Carroll, Megan Chamis, Silvia Schievano, Markus J. Bookland, Alessandro Borghi

Notice bibliographique

RevueComputers in Biology and Medicine · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCraniofacial Disorders and Treatments
Établissements canadiensHand and Upper Limb Clinic
Organismes subventionnairesH2020 European Research CouncilGreat Ormond Street Hospital CharityNIHR Barts Biomedical Research Centre, Queen Mary University of LondonRoyal SocietyGreat Ormond Street Hospital for ChildrenEngineering and Physical Sciences Research CouncilNational Institute for Health and Care ResearchNIHR Biomedical Research Centre, Royal Marsden NHS Foundation Trust/Institute of Cancer Research
Mots-clésHead (geology)Computer scienceMedicineSurgeryGeology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Endoscopic strip craniectomy followed by helmet therapy (ESCH) is a minimally invasive approach for correcting sagittal craniosynostosis. The treatment involves a patient-specific helmet designed to facilitate lateral growth while constraining sagittal expansion. In this study, finite element modelling was used to predict post-treatment head reshaping, improving our comprehension of the necessary helmet therapy duration. METHOD: Six patients (aged 11 weeks to 9 months) who underwent ESCH at Connecticut Children's Hospital were enrolled in this study. Day-1 post-operative 3D scans were used to create skin, skull, and intracranial volume models. Patient-specific helmet models, incorporating areas for growth, were designed based on post-operative imaging. Brain growth was simulated through thermal expansion, and treatments were modelled according to post-operative Imaging available. Mechanical testing and finite element modelling were combined to determine patient-specific mechanical properties from bone samples collected from surgery. Validation compared simulated end-of-treatment skin surfaces with optical scans in terms of shape matching and cranial index estimation. RESULTS: Comparison between the simulated post-treatment head shape and optical scans showed that on average 97.3 ± 2.1 % of surface data points were within a distance range of -3 to 3 mm. The cranial index was also accurately predicted (r = 0.91). CONCLUSIONS: In conclusion, finite element models effectively predicted the ESCH cranial remodeling outcomes up to 8 months postoperatively. This computational tool offers valuable insights to guide and refine helmet treatment duration. This study also incorporated patient-specific material properties, enhancing the accuracy of the modeling approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,337
Écart entre enseignants0,306 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputers in Biology and MedicineMême sujetCraniofacial Disorders and TreatmentsTravaux en français237 207