Reader accuracy and confidence in diagnosing diffuse lung disease on high-resolution computed tomography of the lungs: impact of sampling frequency
Notice bibliographique
Résumé
BACKGROUND: The accuracy of the number of high-resolution computed tomography (HRCT) images necessary to diagnose diffuse lung disease (DLD) is not well established. PURPOSE: To evaluate the impact of HRCT sampling frequency on reader confidence and accuracy for diagnosing DLD. MATERIAL AND METHODS: HRCT images of 100 consecutive patients with proven DLD were reviewed. They were: 48 usual interstitial pneumonia, 22 sarcoidosis, six hypersensitivity pneumonitis, five each of desquamative interstitial pneumonitis, eosinophilic granulomatosis, and lymphangioleiomyomatosis, and nine others. Inspiratory images at 1-cm increments throughout the lungs and three specified levels formed complete and limited examinations. In random order, three experts (readers 1, 2, and 3) ranked their top three diagnoses and rated confidence for their top diagnosis, independently and blinded to clinical information. RESULTS: Using the complete versus limited examinations for correct first-choice diagnosis, accuracy for reader 1 (R1) was 81% versus 80%, respectively, for reader 2 (R2) 70% versus 70%, and for reader 3 (R3) 64% versus 59%. Reader accuracy within their top three choices for complete versus limited examinations was: R1 91% versus 91% of cases, respectively, R2 84% versus 83%, and R3 79% versus 72% of cases. No statistically significant differences were found between the diagnosis methods (P=0.28 for first diagnosis and P=0.17 for top three choices). The confidence intervals for individual raters showed considerable overlap, and the point estimates are almost identical. The mean interreader agreement for complete versus limited HRCT for both top and top three diagnoses were the same (moderate and fair, respectively). The mean intrareader agreement between complete and limited HRCT for top and top three diagnoses were substantial and moderate, respectively. CONCLUSION: Overall reader accuracy and confidence in diagnosis did not significantly differ when fewer or more HRCT images were used.
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 | 0,039 | 0,203 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».