Pathologic Subgroups of Nonspecific Interstitial Pneumonia
Notice bibliographique
Résumé
OBJECTIVE: To determine whether the subtypes of nonspecific interstitial pneumonia (NSIP) could be differentiated from other idiopathic interstitial pneumonias (IIPs) on the basis of findings on high-resolution computed tomography (CT). METHODS: Two observers evaluated the high-resolution CT findings in 90 patients with IIPs. The patients included 36 with NSIP, 11 with usual interstitial pneumonia (UIP), 8 with cryptogenic organizing pneumonia (COP), 10 with acute interstitial pneumonia (AIP), 14 with desquamative interstitial pneumonia (DIP) or respiratory bronchiolitis-associated interstitial lung disease (RB-ILD), and 11 with lymphoid interstitial pneumonia (LIP). The NSIP cases were subdivided into group 1 NSIP (n = 6), group 2 NSIP (n = 15), and group 3 NSIP (n = 15). RESULTS: Observers made a correct diagnosis with a high level of confidence in 65% of NSIP cases, 91% of UIP cases, 44% of COP cases, 40% of AIP cases, 32% of DIP or RB-ILD cases, and 82% of LIP cases. Group 1 NSIP was misdiagnosed as AIP, DIP or RB-ILD, and LIP in 8.3% of patients, respectively. Group 2 NSIP was misdiagnosed as COP in 10% of patients, LIP in 6.7%, AIP in 3.3%, and DIP or RB-ILD in 3.3%. Group 3 NSIP was misdiagnosed as UIP in 6.7% of patients, COP in 6.7%, and DIP or RB-ILD in 3.3%. CONCLUSIONS: In most patients, NSIP can be distinguished from other IIPs based on the findings on high-resolution CT. Only a small percentage of patients with predominantly fibrotic NSIP (group 3 NSIP) show overlap with the high-resolution CT findings of UIP.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».