Feasibility of computed tomography-derived surgical margin assessment in an <i>ex vivo</i> sublobar lung resection model
Notice bibliographique
Résumé
OBJECTIVES: Computed tomography (CT) imaging of a sublobar resection specimen may inform intraoperative surgical margin assessment. However, consistency with final pathological margins has not been previously evaluated. In this study, we investigated the concordance between surgical margin measurements by CT versus pathology measurements using an ex vivo sublobar lung resection model. METHODS: Pig lung wedge samples containing agarose pseudotumours were harvested. CT images were acquired following specimen inflation. The specimen was bisected along the same plane observed by CT for accurate comparison with pathological surgical margin measurement. The bisected samples were then fixed in formalin before preparing haematoxylin & eosin slides. Surgical margin length at four distinct stages (CT, gross pre-formalin fixation, gross post-formalin fixation and pathology) were measured and compared. RESULTS: A total of 50 lung specimens were analysed. After specimen processing, Surgical margin length decreased in 94% (47/50) and increased in 6% (3/50) of samples. Mean surgical margin lengths were as follows: CT 14.0 mm (range: 4.5-28.3 mm), gross pre-formalin fixation 13.0 mm (range: 4.0-25.0 mm), gross post-formalin fixation 12.1 mm (range: 2.5-26.0 mm) and pathology 10.9 mm (range: 1.0-23.4 mm). There was an average -23.8% (range: +11 to -82%) change in surgical margin length from CT to final pathology (P < 0.001). CONCLUSIONS: While CT-based surgical margin measurement is feasible, we observed an average 23.8% discordance when compared to final pathology measurement. Surgeons must be aware that the CT-derived surgical margin generally overestimates the pathology-derived surgical margin.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 ».