Improved reproducibility of high-resolution peripheral quantitative computed tomography for measurement of bone quality
Notice bibliographique
Résumé
A human high-resolution peripheral quantitative computed tomography scanner (HR-pQCT) (XtremeCT, Scanco Medical, Switzerland) capable of measuring three important indicators of bone quality (micro-architectural morphology, mineralization and mechanical stiffness) has been developed. The goal of this study was to evaluate the reproducibility of male and female HR-pQCT in vivo measurements, and elucidate the causes of error in these measurements through a comparison with in vitro measurements. The best possible short-term reproducibility was found using a set of 10 in vitro measurements without repositioning, and a set of 10 with repositioning. Subsequently, in vivo measurements were performed on 15 male and 15 female subjects at baseline and follow-ups of 1 week and 4 months to determine the short- and long-term reproducibility of the system. In addition to the 2D area matching method used in the standard evaluation protocol, a custom developed 3D registration method was used to find the common region between repeated scans. The best possible reproducibility without movement artifacts and repositioning error was less than 0.5%, while the reproducibility with repositioning error was less than 1.5%. The in vivo reproducibility of density (<1%), morphological (<4.5%) and stiffness (<3.5) measurements was consistently poorer than the reproducibility of cadaver measurements, presumably due to small movement artifacts and repositioning errors. Using 3D image registration, repositioning error was reduced on average by 23% and 8% for measurements of the radius and tibia sites, respectively. This study has provided bounds for the reproducibility of HR-pQCT to monitor bone quality longitudinally, and a basis for clinical study design to determine detectable changes.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».