Comparative manifestations and diagnostic accuracy of high-resolution computed tomography in usual interstitial pneumonia and nonspecific interstitial pneumonia
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Of the idiopathic interstitial pneumonias, the differentiation between idiopathic pulmonary fibrosis (IPF) and nonspecific interstitial pneumonitis (NSIP) raises considerable diagnostic challenges, as their clinical presentations share many overlapping features. IPF is a fibrosing pneumonia of unknown cause, showing a histologic pattern of usual interstitial pneumonia (UIP), and has a poorer prognosis than does NSIP. This review examines whether the radiographic features of IFP and NSIP as assessed by high-resolution computed tomography (HRCT) can be used to distinguish between these two entities. RECENT FINDINGS: The diagnostic accuracy of HRCT for UIP and NSIP has been reported to be approximately 70% in various studies. Disagreement between the HRCT diagnosis and the histologic diagnosis occurs in approximately one-third of the cases. The predominant feature of honeycombing on HRCT yields a specificity of approximately 95% and sensitivity of approximately 40% for UIP. In contrast, a predominant feature of ground glass opacities (GGOs) gives a sensitivity of approximately 95% and specificity of approximately 40% for NSIP. SUMMARY: The finding of honeycombing as the predominant HRCT feature suggests the diagnosis of UIP and may exclude the need for biopsy. Predominant features of GGOs are not specific enough to distinguish between NSIP and UIP.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».