Clinical impact and methodological challenges of resting-state functional magnetic resonance imaging in neurosurgery: a systematic review (2015-2024)
Bibliographic record
Abstract
Este trabajo tiene como objetivo analizar la evidencia disponible sobre la utilidad clínica de la resonancia magnética funcional en estado de reposo (rs-fMRI) en neurocirugía, proponiendo lineamientos para su implementación segura y estandarizada en la práctica clínica. Para ello, se llevará a cabo una revisión sistemática siguiendo las directrices PRISMA, con búsqueda en bases de datos especializadas como PubMed, MedlinePlus y ScienceDirect, abarcando el período entre enero de 2015 y diciembre de 2024. Se aplicarán filtros para estudios en humanos, artículos revisados por pares y publicaciones en inglés y español. Los estudios seleccionados se evaluarán mediante herramientas para garantizar rigor metodológico: • ROBIS valora riesgo de sesgo en revisiones sistemáticas. • Escala de Newcastle-Ottawa (NOS) para estudios observacionales. • Sistema GRADE para determinar la certeza global de la evidencia. Se utilizarán tablas comparativas sintetizando características clave (tipo de estudio, población, intervención, desenlaces, tamaño muestral, riesgo de sesgo) y se elaborará un diagrama PRISMA documentando el proceso de selección. Los datos se analizarán mediante una síntesis cualitativa y cuando sea posible, se calcularán estimaciones cuantitativas de impacto clínico, como: • Reducción esperada de morbilidad postoperatoria. • Mejora en la extensión de la resección tumoral. • Valor predictivo en cirugía de epilepsia • Concordancia con fMRI por tareas Se emplearán herramientas estadísticas y software especializado R para análisis descriptivo y exploración de heterogeneidad. En caso de contar con datos homogéneos, se considerará la realización de un metaanálisis con estimación de intervalos de confianza y evaluación de heterogeneidad mediante I². Finalmente, se propondrán recomendaciones operativas para la adopción clínica de rs-fMRI, incluyendo parámetros técnicos de adquisición, algoritmos de preprocesamiento y estrategias de integración con otras modalidades (fMRI por tareas, DTI). Este estudio permitirá consolidar el conocimiento actual, identificar vacíos metodológicos, ofrecer lineamientos prácticos mejorando la seguridad y efectividad de la planificación neuroquirúrgica, especialmente en pacientes no colaboradores.
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 | 0.094 | 0.269 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.008 | 0.010 |
| Bibliometrics | 0.015 | 0.014 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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".