The mechanisms of recurrent laryngeal nerve injury during thyroidectomy and the impact of continuous intraoperative nerve monitoring on surgical strategy
Bibliographic record
Abstract
Tiroidektomi esnasında rekürren laringeal sinirin yaralanma mekanizmaları ve devamlı intraoperatif sinir monitorizasyonunun cerrahi strateji üzerine etkisi Amaç: Tiroidektomi esnasında rekürren laringeal sinirin (RLN) yaralanma mekanizmalarını ve devamlı intraoperatif sinir monitorizasyonunun (D-İONM) cerrahi strateji üzerine etkisini değerlendirmek Gereç ve Yöntemler: Haziran 2014-Ocak 2016 arası total veya hemitiroidektomi yapılan ardışık 364 hastanın verileri prospektif olarak değerlendirildi.Tüm hastalar D-İONM kullanılarak ameliyat edildi.RLN yaralanma mekanizmaları, kombine olaylar (KO) ve sinyal kayıpları (SK) değerlendirildi.Bulgular: Üç yüz altmış dört hastanın 6'sında (%1.6)KO gelişti.Elektromiyografideki (EMG) amplitüd azalması ve latensdeki artış medial manevraya dönülmesinden sonra tüm hastalarda düzeldi.Yedi hastada (%1.9)SK saptandı.SK'nın mekanizması; 1 hastada (%14.3)sinir ön dalının bağlanması, 4 hastada (%57.0)ise gerilmeydi.İntratorasik büyük guatrı olan 2 hastada (%28,6) ise SK'nın muhtemel mekanizması aşırı gerilme veya transeksiyon olarak değerlendirildi.Bu yedi hastanın 1 tanesinde (%14.3)SK ameliyat esnasında 20 dakika bekleme sonrası düzeldi.Kalan 6 hastanın (%85.7)ise ameliyat sonrası yapılan laringoskopik muayenelerinde vokal kord paralizisi (VKP) saptandı.Tüm hasta grubunda tek taraflı geçici ve kalıcı VKP oranı sırasıyla %1.6 (n=6) ve %0.8 olarak saptandı.Hiçbir hastada kalıcı VKP saptanmadı.D-İONM, bir hastada (%0.3) bilateral VKP'yi önledi.Sonuç: D-İONM'nin en büyük avantajı RLN hasarı durumunda cerrahı anında uyarmasıdır.KO gelişebilecek SK'nı gösteren patognomonik bir bulgudur.Bu durumda cerrah ters yöne doğru bir manevra yaparak kalıcı hasar gelişmesini önler.D-İONM ayrıca tiroidektomi esnasında RLN yaralanmasını anında gösterir.Böylece cerrah etkilenen sinir bölgesine yönelik rahatlatıcı bir harekette bulunabilir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".