MétaCan
Menu
Retour à la cohorte
Enregistrement W2098055628 · doi:10.1148/radiol.09090131

Quantification of Hepatic Steatosis with 3-T MR Imaging: Validation in<i>ob/ob</i>Mice

2009· article· en· W2098055628 sur OpenAlexaff
Catherine D. G. Hines, Huanzhou Yu, Ann Shimakawa, Charles A. McKenzie, Thomas F. Warner, Jean H. Brittain, Scott B. Reeder

Notice bibliographique

RevueRadiology · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensWestern University
Organismes subventionnairesNational Center for Research ResourcesNational Institutes of Health
Mots-clésSteatosisMedicineMagnetic resonance imagingNuclear medicineFatty liverQuantitative analysis (chemistry)PathologyInternal medicineRadiologyChromatographyChemistry

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To validate quantitative imaging techniques used to detect and measure steatosis with magnetic resonance (MR) imaging in an ob/ob mouse model of hepatic steatosis. MATERIALS AND METHODS: The internal research animal and resource center approved this study. Twenty-eight male ob/ob mice in progressively increasing age groups underwent imaging and were subsequently sacrificed. Six ob/+ mice served as control animals. Fat fraction imaging was performed with a chemical shift-based water-fat separation method. The following three methods of conventional fat quantification were compared with imaging: lipid extraction and qualitative and quantitative histologic analysis. Fat fraction images were reconstructed with single- and multiple-peak spectral models of fat and with and without correction for T2* effects. Fat fraction measurements obtained with the different reconstruction methods were compared with the three methods of fat quantification, and linear regression analysis and two-sided and two-sample t tests were performed. RESULTS: Lipid extraction and qualitative and quantitative histologic analysis were highly correlated with the results of fat fraction imaging (r(2) = 0.92, 0.87, 0.82, respectively). No significant differences were found between imaging measurements and lipid extraction (P = .06) or quantitative histologic (P = .07) measurements when multiple peaks of fat and T2* correction were included in image reconstruction. Reconstructions in which T2* correction, accurate spectral modeling, or both were excluded yielded lower agreement when compared with the results yielded by other techniques. Imaging measurements correlated particularly well with histologic grades in mice with low fat fractions (intercept, -1.0% +/-1.2 [standard deviation]). CONCLUSION: MR imaging can be used to accurately quantify fat in vivo in an animal model of hepatic steatosis and may serve as a quantitative biomarker of hepatic steatosis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,274

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,269
Écart entre enseignants0,255 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations76
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207