Magnetic Resonance Imaging of Lung Water Content and Distribution in Term and Preterm Infants
Notice bibliographique
Résumé
An increase in lung liquid may contribute to respiratory disease in preterm infants. Uneven distribution of lung liquid may cause heterogeneity in the lung disease seen in these infants. We used magnetic resonance imaging to investigate lung water content and distribution in 16 preterm (24-31 weeks) and 9 term infants in the first week of life. Images of lung parenchyma were examined and relative proton density quantified to give an index of lung water. Lung water content and distribution were compared between preterm and term infants, and in preterm infants regional signal distribution between dependent and nondependent lung on T1 weighted images was also compared after turning between prone and supine positions. Relative proton density was higher in preterm than in term lung (p < 0.008) and greater in dependent than in nondependent regions, particularly in the preterm (p < 0.001). Repositioning preterm infants rapidly redistributed signal intensities, with more even distribution lying prone than supine (p < 0.001). Small, low-signal regions were seen in the lung parenchyma in preterm but not in term infants, which may indicate peribronchial fluid or overdistension of compliant lung units. We conclude that lung water content is higher in preterm than in term infants and is associated with gravity-related changes consistent with dependent atelectasis.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».