MétaCan
Menu
Retour à la cohorte
Enregistrement W2115300465 · doi:10.1152/japplphysiol.00372.2012

Airway imaging in disease: Gimmick or useful tool?

2012· review· en· W2115300465 sur OpenAlexaff
Peter D. Paré, Taishi Nagano, Harvey O. Coxson

Notice bibliographique

RevueJournal of Applied Physiology · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueChronic Obstructive Pulmonary Disease (COPD) Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésAirwayMedicineDiseaseMagnetic resonance imagingIntensive care medicinePathologyRadiologyMedical physicsSurgery

Résumé

récupéré en direct d'OpenAlex

Airway remodeling is an important pathophysiological mechanism in a variety of chronic airway diseases. Historically investigators have had to use invasive techniques such as histological examination of excised tissue to study airway wall structure. The last several years has seen a proliferation of relatively noninvasive techniques to assess the airway branching pattern, wall thickness, and more recently, airway wall tissue components. These methods include computed tomography, magnetic resonance imaging, and optical coherence tomography. These new imaging technologies have become popular because to understand the physiology of lung disease it is important we understand the underlying anatomy. However, these new approaches are not standardized or available in all centers so a review of their validity and clinical utility is appropriate. This review documents how investigators are working hard to correct for inconsistencies between techniques so that they become more accepted and utilized in clinical settings. These new imaging techniques are very likely to play a frontline role in the study of lung disease and will, hopefully, allow clinicians and investigators to better understand disease pathogenesis and to design and assess new therapeutic interventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,003
Communication savante0,0020,006
Science ouverte0,0020,001
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,044
Tête enseignante GPT0,350
Écart entre enseignants0,306 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations23
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysiologyMême sujetChronic Obstructive Pulmonary Disease (COPD) ResearchTravaux en français237 207