A simple method to estimate renal volume from computed tomography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Renal parenchymal volume can be used clinically to estimate differential renal function. Unfortunately, conventional methods to determine renal volume from computed tomography (CT) are time-consuming or difficult due to software limitations. We evaluated the accuracy of simple renal measurements to estimate renal volume as compared with estimates made using specialized CT volumetric software. METHODS: We reviewed 28 patients with contrast-enhanced abdominal CT. Using a standardized technique, one urologist and one urology resident independently measured renal length, lateral diameter and anterior-posterior diameter. Using the ellipsoid method, the products of the linear measurements were compared to 3D volume measurements made by a radiologist using specialized volumetric software. RESULTS: LINEAR KIDNEY MEASUREMENTS WERE HIGHLY CONSISTENT BETWEEN THE UROLOGIST AND THE UROLOGY RESIDENT (INTRACLASS CORRELATION COEFFICIENTS: 0.97 for length, 0.96 for lateral diameter, and 0.90 for anterior-posterior diameter). Average renal volume was 170 (SD: 36) cm(3) using the ellipsoid method compared with 186 (SD 37) cm(3) using volumetric software, for a mean absolute bias of -15.2 (SD 15.0) cm(3) and a relative volume bias of -8.2% (p < 0.001). Thirty-one of 56 (55.3%) estimated volumes were within 10% of the 3D measured volume and 54 of 56 (96.4%) were within 30%. CONCLUSION: Renal volume can be easily approximated from contrast-enhanced CT scans using the ellipsoid method. These findings may obviate the need for 3D volumetric software analysis in certain cases. Prospective validation is warranted.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découle