MétaCan
Menu
Retour à la cohorte
Enregistrement W2115140807 · doi:10.1148/radiol.12120863

Multiple Sclerosis: Validation of MR Imaging for Quantification and Detection of Iron

2013· article· en· W2115140807 sur OpenAlexafffund
Andrew J. Walsh, R. Marc Lebel, Amir Eissa, Gregg Blevins, Ingrid Catz, Jian‐Qiang Lu, Lothar Resch, Edward S. Johnson, Derek Emery, Kenneth G. Warren, Alan H. Wilman

Notice bibliographique

RevueRadiology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineMagnetic resonance imagingWhite matterNuclear medicineMultiple sclerosisPathologyRadiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To investigate the relationship between iron staining and magnetic resonance (MR) imaging measurements in postmortem subjects with multiple sclerosis (MS). MATERIALS AND METHODS: Institutional ethical approval was obtained, and informed consent was obtained from the subjects and/or their families. Four MR imaging methods based on transverse relaxation (T2 weighting, R2 mapping, and R2* mapping) and phase imaging were performed by using a 4.7-T system in three in situ postmortem patients with MS less than 28 hours after death and in one in vivo patient 1 year before death. Iron staining with the Perls iron reaction was performed after brain extraction. Region-of-interest measurements from six subcortical gray matter structures were obtained from MR imaging and then correlated with corresponding locations on photographs of iron-stained pathologic slices by using a separate linear least-squares regression in each subject. Iron status of white matter lesions, as determined by staining, was compared with appearance on MR images. RESULTS: R2* mapping had the highest intrasubject correlations with iron in subcortical gray matter (R(2) = 0.857, 0.628, and 0.685; all P < .001), while R2 mapping (R(2) = 0.807, 0.615, 0.628, and 0.489; P < .001 and P = .001, .034, and .001, respectively), phase imaging (R(2) = 0.672, 0.441, 0.596, 0.548; all P ≤ .001), and T2-weighted imaging (R(2) = 0.463, 0.582, 0.650, and 0.551; all P < .001) had lower but still strong correlations. Within lesions, hypointense areas on phase images did not always represent iron. A hyperintense rim surrounding lesions on R2* maps was only present with iron staining, yet not all iron-staining lesions had R2* rim hyperintensity. CONCLUSION: All four MR imaging methods had significant linear correlations with iron and could potentially be used to determine iron status of subcortical gray matter structures in MS, with R2* mapping being preferred. A reliable method of determining iron status within MS lesions was not established.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,211

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,073
Tête enseignante GPT0,311
Écart entre enseignants0,238 · 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'étudeExpérimental (laboratoire)
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

Citations93
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207