Systematic review with meta‐analysis: magnetic resonance enterography signs for the detection of inflammation and intestinal damage in Crohn's disease
Notice bibliographique
Résumé
BACKGROUND: In the treatment of Crohn's disease (CD), mucosal healing has become a major goal, with the hope of avoiding intestinal damage from chronic inflammation. Magnetic resonance enterography (MRE) has emerged as a non-invasive means of monitoring inflammation and damage. AIMS: As part of the development of MRE-based multi-item measures of inflammation and damage for paediatric studies, we carried out a systematic review and meta-analysis to identify MRE variables used to describe these two distinct concepts. METHODS: 2501 studies of MRI and CD were identified. Studies written in any language reporting individual MRE signs for patients diagnosed with CD were included. Two-hundred-and-forty-four studies were fully reviewed and 62 were included (inflammation, n = 51; damage, n = 24). Sensitivity, specificity and associated confidence intervals were calculated, and hierarchical summary ROC curves were constructed for each MRE sign. RESULTS: A total of 22 MRE signs were used to reflect inflammation, and 9 to reflect damage. Diagnostic accuracy of MRE signs of inflammation and damage was heterogeneous; however, wall enhancement, mucosal lesions and wall T2 hyperintensity were the most consistently useful for inflammation (most sensitivities >80% and specificities >90%), and detection of abscess and fistula were most consistently useful for damage (most sensitivities >90%, specificities >95%). CONCLUSIONS: Identifying the best MRE variables to reflect inflammation and damage will maximise the utility of this rapidly emerging technique and is the first stage of constructing MRE-based indices for evaluating inflammation and intestinal damage.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».