Classification of burn injuries using near-infrared spectroscopy
Notice bibliographique
Résumé
Early surgical management of those burn injuries that will not heal spontaneously is critical. The decision to excise and graft is based on a visual assessment that is often inaccurate but yet continues to be the primary means of grading the injury. Superficial and intermediate partial-thickness injuries generally heal with appropriate wound care while deep partial- and full-thickness injuries generally require surgery. This study explores the possibility of using near-infrared spectroscopy to provide an objective and accurate means of distinguishing shallow injuries from deeper burns that require surgery. Twenty burn injuries are studied in five animals, with burns covering <1% of the total body surface area. Carefully controlled superficial, intermediate, and deep partial-thickness injuries as well as full-thickness injuries could be studied with this model. Near-infrared reflectance spectroscopy was used to evaluate these injuries 1 to 3 hours after the insult. A probabilistic model employing partial least-squares logistic regression was used to determine the degree of injury, shallow (superficial or intermediate partial) from deep (deep partial and full thickness), based on the reflectance spectrum of the wound. A leave-animal-out cross-validation strategy was used to test the predictive ability of a 2-latent variable, partial least-squares logistic regression model to distinguish deep burn injuries from shallow injuries. The model displayed reasonable ranking quality as summarized by the area under the receiver operator characteristics curve, AUC = 0.879. Fixing the threshold for the class boundaries at 0.5 probability, the model sensitivity (true positive fraction) to separate deep from shallow burns was 0.90, while model specificity (true negative fraction) was 0.83. Using an acute porcine model of thermal burn injuries, the potential of near-infrared spectroscopy to distinguish between shallow healing burns and deeper burn injuries was demonstrated. While these results should be considered as preliminary and require clinical validation, a probabilistic model capable of differentiating these classes of burns would be a significant aid to the burn specialist.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».