Chronic Hypersensitivity Pneumonitis: Differentiation from Idiopathic Pulmonary Fibrosis and Nonspecific Interstitial Pneumonia by Using Thin-Section CT
Notice bibliographique
Résumé
PURPOSE: To retrospectively assess the accuracy of thin-section computed tomography (CT) in distinguishing chronic hypersensitivity pneumonitis (HP) from idiopathic pulmonary fibrosis (IPF) and nonspecific interstitial pneumonia (NSIP), with histologic results as the reference standard. MATERIALS AND METHODS: This retrospective study was approved by the institutional research boards of the participating centers, and informed consent was waived. There was HIPAA compliance for all U.S. patients. The study included 66 patients (36 men, 30 women; mean age, 58.8 years +/- 10.9 [standard deviation]) with proved chronic HP (n = 18), IPF (n = 23), or NSIP (n = 25) who underwent CT. Two independent readers assessed the CT images, made a first-choice diagnosis, and noted the degree of confidence in the diagnosis. A general linear model was used to identify CT features that independently differentiated chronic HP from IPF and NSIP. Weighted kappa statistic was used to assess interobserver agreement. RESULTS: The CT features that best differentiated chronic HP were lobular areas with decreased attenuation and vascularity, centrilobular nodules, and absence of lower zone predominance of abnormalities (P < or = .008). The features that best differentiated NSIP were relative subpleural sparing, absence of lobular areas with decreased attenuation, and lack of honeycombing (P < or = .002). The features that best differentiated IPF were basal predominance of honeycombing, absence of relative subpleural sparing, and absence centrilobular nodules (P < or = .004). A confident diagnosis was made in 70 (53%) of 132 readings. This diagnosis was correct in 66 (94%) of 70 readings. The accuracy for the entire cohort was 80%. Interobserver agreement for confident diagnosis was good to excellent (kappa = 0.77-0.96). CONCLUSION: Characteristic CT features of chronic HP, IPF, and NSIP allow confident distinction between these entities in approximately 50% of patients.
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 | 0,003 | 0,010 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».