Diagnostic value of brain MRI and <sup>18</sup>F‐FDG PET in the differentiation of parkinsonian type multiple system atrophy from Parkinson’s disease
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Differentiation between parkinsonian type multiple system atrophy (MSA-P) and Parkinson's disease (PD) is important but often difficult. We investigated the diagnostic value of brain magnetic resonance imaging (MRI) and (18)F-fluorodeoxyglucose positron emission tomography ((18)F-FDG PET) in differentiating MSA-P from PD. METHODS: Twenty-four patients with MSA-P (16 probable and 8 possible) and eight patients with PD were included in this study. RESULTS: For analysis using the putaminal findings, the sensitivities were 58.3% by visual analysis of brain MRI, 95.8% by visual analysis of (18)F-FDG PET, and 79.2% by statistical parametric mapping (SPM) analysis of (18)F-FDG PET in differentiating MSA-P from PD; the specificity was 100% for each analysis. Using the putaminal findings, visual analysis of (18)F-FDG PET had a higher sensitivity compared with brain MRI (P = 0.004) and SPM analysis of (18)F-FDG PET revealed a tendency towards higher sensitivity compared with brain MRI (P = 0.063). For analysis using both putaminal and infratentorial findings, the sensitivities were 79.2% by visual analysis of brain MRI, 95.8% by visual analysis of (18)F-FDG PET, 95.8% by SPM analysis of (18)F-FDG PET in differentiating MSA-P from PD; the specificity was 100% for each analysis. CONCLUSION: Both brain MRI and (18)F-FDG PET showed diagnostic usefulness in differentiating MSA-P from PD, with (18)F-FDG PET being more sensitive than brain MRI.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».