Selection of patients for lung volume reduction surgery using a power law analysis of the computed tomographic scan
Notice bibliographique
Résumé
BACKGROUND: A study was undertaken to test the hypothesis that patients respond better to lung volume reduction surgery (LVRS) if their emphysema is confluent and predominantly located in the upper lobes. METHODS: A density mask analysis was used to identify voxels inflated beyond 10.2 ml gas/g tissue (-910 HU) on preoperative and postoperative CT scans from patients receiving LVRS. These hyperinflated regions were considered to represent emphysematous lesions. A power law analysis was used to determine the relationship between the number (K) and size (A) of the emphysematous lesions in the whole lung and two anatomical regions using the power law equation Y=KA(-D). RESULTS: The analysis showed a positive correlation between the change in the power law exponent (D) and the change in exercise (Watts) after surgery (r=0.47, p=0.03). There was also a negative correlation between the power law exponent D in the upper region of the lung preoperatively and the change in exercise following surgery (r=-0.60, p<0.05). CONCLUSIONS: These results confirm that patients with large upper lobe lesions respond better to LVRS than patients with small uniformly distributed disease. Power law analysis of lung CT scans provides a quantitative method for determining the extent and location of emphysema within the lungs of patients with COPD.
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 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».