Etiology of Small Bowel Thickening on Computed Tomography
Notice bibliographique
Résumé
BACKGROUND: Abdominal pain is often evaluated using imaging, most often with computed tomography (CT). While CT is sensitive and specific for certain diagnoses, small bowel thickening is a nonspecific finding on CT with a broad differential diagnosis including infection, inflammation, ischemia and neoplasm. METHOD: A review of medical records of patients who underwent CT scans of the abdomen and pelvis over a one-year period and exhibited small bowel thickening were retrospectively evaluated to determine the final diagnosis. RESULTS: The etiologies of small bowel thickening on CT were as follows: infection (113 of 446 [25.34%]); reactive inflammation (69 of 446 [15.47%]); primary inflammation (62 of 446 [13.90%]); small bowel obstruction (38 of 446 [8.52%]); iatrogenic (33 of 446 [7.40%]); neoplastic (32 of 446 [7.17%]); ascites (30 of 446 [6.73%]); unknown (28 of 446 [6.28%]); ischemic (24 of 446 [5.38%]); and miscellaneous (17 of 446 [3.81%]). CONCLUSION: Infectious and inflammatory (primary or reactive) conditions were the most common cause of small bowel thickening in the present series; these data can be used to formulate a more specific differential diagnosis.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».