MétaCan
Menu
← Retour à la cohorte
Enregistrement W1520095019 · doi:10.1002/9781118314968.ch26

An Internist's Approach to Radiologic Examination of the Liver

2012· other· en· W1520095019 sur OpenAlexaff
Anthony Hanbidge, Korosh Khalili

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensToronto Western HospitalWomen's College HospitalUniversity of TorontoUniversity Health NetworkMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineRadiologyUltrasoundMagnetic resonance imagingGallbladderMagnetic resonance cholangiopancreatographyLiver diseaseEndoscopic retrograde cholangiopancreatographyBiliary diseaseMedical imagingMedical diagnosisSurgeryInternal medicinePancreatitis

Résumé

récupéré en direct d'OpenAlex

Imaging is essential when evaluating suspected hepatobiliary disease. Ultrasound is the most widely available cross-sectional imaging modality. It is portable, inexpensive, and does not use ionizing radiation. Generally, the liver offers an excellent acoustic window, facilitating ultrasound evaluation for both diffuse and focal hepatic disease. It also evaluates the gallbladder and bile ducts in detail. Doppler ultrasound assesses patency of the hepatic vasculature and documents the direction and character of blood flow. Consequently, ultrasound is the first choice when imaging the majority of patients with suspected hepatobiliary disease. It will frequently answer the clinical question alone or will direct the next most appropriate imaging investigation. Computed tomography, magnetic resonance, endoscopic retrograde cholangiopancreatography, endoscopic ultrasound, and image-guided biopsy may be necessary beyond ultrasound, either alone or in combination, for certain diagnoses. This chapter outlines imaging algorithms for common hepatobiliary scenarios that present to the general internist.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0360,015

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 Opus0,029
Tête enseignante GPT0,265
Écart entre enseignants0,236 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLiver Disease Diagnosis and Treatment→Travaux en français237 207→