Characterization of Subthalamic Nucleus Boundary and Trajectory Recommendations From a Commercially Available Microelectrode Recording Algorithm During Deep Brain Stimulation Surgery for Parkinson Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Microelectrode recordings (MER) within the subthalamic nucleus (STN) are routinely performed during deep brain stimulation (DBS) surgery for Parkinson disease. Commercially available algorithms have been developed to detect STN boundaries and recommend an optimal DBS lead trajectory based on MER data. We aimed to characterize the variance of a broadly used algorithm's STN border estimates and trajectory recommendations. METHODS: MER data from 37 STN-DBS implants in 21 patients were analyzed offline using a semiautomated algorithm making use of oscillatory activity in MER data (HaGuide, Alpha Omega). Software recommendations were computed using the default STN settings across 3 different 'Site Sizes' and 2 'Waiting Times'. For each of the 6 trials, values for the STN Entrance, STN dorsolateral oscillatory region Exit, STN Exit, STN Length, dorsolateral oscillatory region ratio (%), Stimulation Depth, and trajectory recommendations were analyzed. RESULTS: Even with different input parameters, the algorithm's estimates of STN Exit and STN Entrance within the chosen trajectory had low intrasubject variability and were highly correlated with the depth of the final DBS lead as chosen by the clinical team (STN Exit: r = 0.86 and STN Entrance: r = 0.70; both P < .001). However, the algorithm's trajectory recommendations were more sensitive to input parameters, with the algorithm recommending more than 1 trajectory in 42% of implants. CONCLUSION: Semiautomated identification of STN boundaries by a commonly used algorithm is relatively less sensitive to algorithm input parameters and well-correlated with final STN-DBS lead depth as determined by an expert surgical team. However, algorithm-generated optimal trajectory recommendations are more strongly influenced by input parameters and should be interpreted with more caution during DBS implantation.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 découle