MétaCan
Menu
Retour à la cohorte
Enregistrement W2049410527 · doi:10.1513/pats.200611-173ht

Positron Emission Tomography and Computed Tomography versus Positron Emission Tomography–Computed Tomography: Tools for Imaging the Lung

2007· review· en· W2049410527 sur OpenAlexaff
Myrna Dolovich, Daniel P. Schuster

Notice bibliographique

RevueProceedings of the American Thoracic Society · 2007
Typereview
Langueen
DomainePhysics and Astronomy
ThématiqueAtomic and Subatomic Physics Research
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésPositron emission tomographyPositron Emission Tomography-Computed TomographyMedicineTomographyPositron emissionComputed tomography laser mammographyComputed tomographyPreclinical imagingNuclear medicineBrain positron emission tomographyRadiologyMedical physics

Résumé

récupéré en direct d'OpenAlex

This article reviews the potential use of positron emission tomography (PET), alone and in combination with computed tomography, for evaluating the severity of disease in cystic fibrosis. PET scanning using injected 18F-fluorodeoxyglucose provides visual and quantitative information for the rate at which glucose is taken up by the lung, a process that should relate to the presence of inflammation and reflect the extent of the disease. The computed tomography scan gives highly accurate density and anatomic information to locate areas of inflammation seen on the PET scan, increasing the accuracy of the interpretation. Until recently, the scanners have been single systems, often located in separate hospital departments. Combined systems are now commercially available, with major advantages for patients and in the quality of analytical information obtained for interpretation by the physician. The use of 18F-fluorodeoxyglucose uptake and PET scanning has been suggested as a biomarker of progressive pulmonary inflammation in cystic fibrosis. Although promising, the data so far are limited. Further studies will be needed to validate this measurement for this purpose.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,005
Bibliométrie0,0000,005
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,371
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the American Thoracic SocietyMême sujetAtomic and Subatomic Physics ResearchTravaux en français237 207