MétaCan
Menu
Retour à la cohorte
Enregistrement W2140563110 · doi:10.3174/ajnr.a3382

Development of a Standardized MRI Scoring Tool for CNS Demyelination in Children

2013· article· en· W2140563110 sur OpenAlexafffund
Leonard H. Verhey, Helen M. Branson, Suzanne Laughlin, Manohar Shroff, Susanne M. Benseler, B. M. Feldman, David L. Streiner, John G. Sled, Brenda Banwell

Notice bibliographique

RevueAmerican Journal of Neuroradiology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensMcMaster UniversityUniversity of TorontoHospital for Sick Children
Organismes subventionnairesBiogenUniversity of TorontoMultiple Sclerosis Society of CanadaHospital for Sick ChildrenMultiple Sclerosis SocietyCanadian Institutes of Health ResearchIC Design Education CenterMultiple Sclerosis Scientific Research Foundation
Mots-clésMedicineMagnetic resonance imagingRadiologyNuclear medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: The degree to which MR imaging is useful in the diagnosis of MS is predicated on standardized and reliable evaluation of MR imaging parameters. We aimed to devise items for an MR imaging scoring tool that would have high inter-rater agreement and would be straightforward to apply. MATERIALS AND METHODS: On the basis of a literature search and consensus of an expert panel, we identified 48 parameters that describe acute CNS demyelination, predict MS diagnosis, or characterize demyelinating disorder mimics. MR images of children with clinically confirmed MS, monophasic ADEM, and angiography-negative biopsy-positive small-vessel primary angiitis of the CNS were scored by 2 neuroradiologists independently, using the preliminary 48-parameter tool. Parameters with Cohen κ ≥ 0.6 and deemed important in predicting diagnosis were retained. Parameters not visualized on routine clinical imaging or not important in differentiating MS, ADEM, and SV-cPACNS were discarded. RESULTS: Of 65 eligible patients, 55 children were enrolled (16 with monophasic ADEM, 27 with MS, 12 with SV-cPACNS); 10 were excluded (6 had hard-copy films, 4 did not meet MR imaging quality requirements). Of the 48 parameters, 16 were retained in the final scoring tool. The remaining 28 parameters were discarded: 4 had κ < 0.6 and were not deemed useful in predicting diagnosis; 9 were not visible on routinely acquired clinical images; and 15 had inter-rater agreement ≥0.6 but were not useful in differentiating monophasic ADEM, MS, and SV-cPACNS. CONCLUSIONS: We propose a 16-parameter MR imaging scoring tool that is straightforward to apply in the clinical setting and demonstrates high inter-rater agreement.

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)0,021
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,021
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,037
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,327
Écart entre enseignants0,297 · 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'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

Citations17
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of NeuroradiologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207