MétaCan
Menu
Retour à la cohorte
Enregistrement W2162899218 · doi:10.1148/rg.242035193

Radiologic Pattern of Disease in Patients with Severe Acute Respiratory Syndrome: The Toronto Experience

2004· review· en· W2162899218 sur OpenAlexaffabout
Narinder Paul, Heidi Roberts, Jagdish Butany, TaeBong Chung, Wayne L. Gold, Sangeeta Mehta, Eli Konen, Anuradha Rao, Yves Provost, Harry Hong, Leon Zelovitsky, Gordon L. Weisbrod

Notice bibliographique

RevueRadiographics · 2004
Typereview
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensUniversity of TorontoUniversity Health NetworkMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineRadiographyRadiologyDiseaseDifferential diagnosisRespiratory tractSevere acute respiratory syndromeRespiratory systemRespiratory diseasePneumoniaCoronavirus disease 2019 (COVID-19)LungPathologyInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Severe acute respiratory syndrome (SARS) is a transmissible febrile respiratory illness caused by a recently discovered coronavirus. Various patterns of disease progression may be observed that have different implications for the prognosis in those affected by SARS. The appearance of the lungs on chest radiographs of patients with this condition may be normal or may include focal airspace opacity or multifocal or diffuse opacities. Thoracic computed tomography (CT) is more sensitive in depicting SARS than is conventional chest radiography, and CT images obtained in patients with normal chest radiographs may show extensive disease and airspace consolidation. However, because the radiologic appearance of SARS is not distinct from that of other diseases that cause lower respiratory tract infection, early identification of SARS will depend in part on the prompt recognition of clusters of cases of febrile respiratory tract illness. To aid in the differential diagnosis and management of SARS, radiologists must be familiar with the typical clinical and histopathologic findings, as well as the radiologic features of the disease.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,972
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,043
Tête enseignante GPT0,359
Écart entre enseignants0,316 · 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

Citations102
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRadiographicsMême sujetRespiratory viral infections researchTravaux en français237 207