MétaCan
Menu
Retour à la cohorte
Enregistrement W4401169183 · doi:10.1016/j.jpain.2024.104646

Improvements in Therapy Experience With Evoked Compound Action Potential Controlled, Closed-Loop Spinal Cord Stimulation—Primary Outcome of the ECHO-MAC Randomized Clinical Trial

2024· article· en· W4401169183 sur OpenAlexaff
Andrew Will, Michael Fishman, David M. Schultz, Michael Danko, Daniel Verill, Christopher J. Davies, Patrick Retterath, Nathan Miller, Lisa Tonder, Lisa M. Johanek, David Dinsmoor, Ye Tan, Abi Franke, Suren Soghomonyan

Notice bibliographique

RevueJournal of Pain · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Treatment
Établissements canadiensVancouver Coastal Health
Organismes subventionnairesMedtronicSapheon
Mots-clésMedicineRandomized controlled trialSpinal cordConfidence intervalStimulationCrossover studyAnesthesiaSensationSurgeryInternal medicinePsychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Spinal cord stimulation (SCS) is a well-established treatment for chronic neuropathic pain. However, over- or underdelivery of the SCS may occur because the spacing between the stimulating electrodes and the spinal cord is not fixed; spacing changes with motion and postural shifts may result in variable delivery of the SCS dose and, in turn, a suboptimal therapy experience for the patient. The evoked compound action potential (ECAP)-a measure of neural activation-may be used as a control signal to adapt SCS parameters in real time to compensate for this variability. In this prospective, multicenter, randomized, single-blind, crossover trial, reduction in overstimulation intensity was used as a perceptual measure to evaluate a novel ECAP-controlled, closed-loop (CL) SCS algorithm relative to traditional open-loop (OL) SCS. The primary outcome used a Likert scale to assess sensation during activities of daily living with CL versus OL SCS. Of the 42 subjects in the intent-to-treat analysis set, 97.6% had a reduction in sensation with CL versus OL SCS. The primary objective was met as the lower confidence limit (87.4%) exceeded the performance goal of 50% (P < .001). A total of 88.1% (37/42) of subjects preferred CL and 11.9% (5/42) preferred OL SCS. SCS dose consistency during CL SCS was demonstrated by the reduced variability in ECAP amplitude with CL SCS (standard deviation: 8.72 µV) relative to OL SCS (standard deviation: 19.95 µV). Together, these results demonstrate that the ECAP-controlled, CL algorithm reduces or eliminates unwanted sensation, and thereby provides a more preferred and consistent SCS experience. PERSPECTIVE: Patients with chronic pain need durable and dependable options for pain relief. SCS is an important therapy option, and new technology advancements could improve long-term therapy use. CL SCS offers a preferred and more consistent therapy experience for patients that could lead to increased therapy utilization and reliable therapy outcomes.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,069
Tête enseignante GPT0,410
Écart entre enseignants0,341 · 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'étudeEssai randomisé
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

Citations16
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJournal of PainMême sujetPain Management and TreatmentTravaux en français237 207