A Combined Power M‐mode and Single Gate Transcranial Doppler Ultrasound Microemboli Signal Criteria for Improving Emboli Detection and Reliability
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Single gate transcranial Doppler spectrogram (sgTCD) has a high variability in the detection of microembolic signals (MES), Adding Power M-mode Doppler (PMD) information may improve MES detection. Our study's aim is to derive combined PMD/sgTCD microemboli criteria to overcome this limitation. METHODS: Patients with symptomatic carotid disease were prospectively enrolled within 24 h of symptom onset underwent 1 hour TCD emboli monitoring. We reviewed disparity between PMD MES criteria and sgTCD MES criteria. We compared combined PMD/sgTCD criteria to sgTCD alone criteria by measuring the intraclass correlation coefficient (ICC). RESULTS: Of 92 patients, 28 patients had evidence of MES on sgTCD or PMD. Total MES count was 269 based on sgTCD criteria, and 326 based on combined PMD/sgTCD criteria (P= 0.005). Combined PMD/sgTCD criteria revealed 17 MESs (4.8%) based on sgTCD criteria to represent artifacts and 57 MESs (17.5%) not to be detected by sgTCD criteria. Overall ICC based on sgTCD criteria was 0.67 [95% confidence interval (CI): 0.58-0.74]; however, introducing combined PMD/sgTCD criteria resulted in a significant increase in the ICC, 0.91 (95% CI: 0.88-0.93). CONCLUSION: Our combined PMD/sgTCD criteria for MES appeared to improve the yield of MES detection. Reliability in MES detection interpretation was improved when combined PMD/sgTCD criteria was applied.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».