Accuracy of Ultrasound Imaging Technique for Assessing Lipoatrophy in HIV-Infected Subjects
Notice bibliographique
Résumé
OBJECTIVE: To compare the accuracy of ultrasound imaging technique to that of clinical diagnosis in evaluating subcutaneous fat changes in HIV-infected subjects. METHODS: HIV-uninfected control subjects (Group A), HIV-infected subjects with clinically assessed lipoatrophy (Group B), and HIV-infected subjects without clinical lipoatrophy (Group C) underwent ultrasound measurements of subcutaneous fat thickness at facial, brachial and thigh regions. ROC curve analyses were used to estimate ultrasound prediction accuracy and cut-off values of subcutaneous fat thickness. RESULTS: 228 subjects were enrolled: 78 in Group A, 73 in Group B, and 77 in Group C. Facial lipoatrophy: ROC curve analysis identified optimal cut-off value of 13.3 mm [sensitivity, 96.0%; specificity, 76.9% AUC 0.92], 5.0 mm [sensitivity, 71.4%; specificity, 92.3%; AUC 0.90] and 11.2 mm [sensitivity, 95.8%; specificity, 89.7%; AUC 0.97] for females and 12.05 mm [sensitivity, 51.2%; specificity, 87.2%; AUC 0.74], 4.1 mm [sensitivity, 76.2%; specificity, 89.7%; AUC 0.85] and 4.35 mm [sensitivity, 60.0%; specificity, 89.7%; AUC 0.82] for males in assessing facial, brachial and crural lipoatrophy respectively. Using this cut-off values, 12/25 (48%) females and 17/49 (34.7%) males, 12/28 (42.9%) females and 23/49 (46.9%) males, 19/28 (67.9%) females and 12/49 (24.5%) males in Group C would be classified as "sub-clinical" facial, brachial and crural lipoatrophy respectively. CONCLUSIONS: The results of our study show that in the assessment of subtle subcutaneous fat changes ultrasound is more accurate than clinical evaluation and confirm the usefulness of ultrasound imaging technique in identifying lipoatrophy at an early stage.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».