Interstitial lung disease: time to rethink the snapshot diagnosis?
Notice bibliographique
Résumé
An accurate and early diagnosis of idiopathic pulmonary fibrosis (IPF) is critically required for patients and care providers because it dictates very specific management decisions that include referral to transplant, access to new approved drugs, avoidance of immunosuppression and potential referral to palliative care.1 While the original diagnosis of IPF was highly dependent on patterns observed on histology, in 2002 the American Thoracic Society (ATS)/European Respiratory Society (ERS) guideline altered the approach to diagnosis so as to include a clinical–radiological–pathological multidisciplinary diagnosis.2 A careful history, searching for subtle evidence of connective tissue disease, exposures and other known causes for interstitial lung disease (ILD), was emphasised. A radiographic pattern of usual interstitial pneumonia (UIP) on high-resolution CT (HRCT) was described, characterised by basal-predominant fibrosis with peripheral reticular markings, traction airway change, architectural distortion and honeycombing. With this new classification system, it was proposed, characteristic HRCT findings could lead to a confident diagnosis of IPF without the need for a biopsy. The advantage of using HRCT patterns as a surrogate for pathological findings was particularly appealing given data describing increased risk for acute exacerbation and death following lung biopsy.3 Support for such an approach was increased by studies demonstrating agreement between radiographic and pathological findings. Raghu et al 4 found that the specificity of HRCT for UIP was 90%. Flaherty et al 5 found that the HRCT interpretation of definite UIP in biopsy-proven UIP and non-specific interstitial pneumonia (NSIP) had 100% specificity. Hunninghake et al 6 found that in a blinded prospective evaluation of patients with surgical lung biopsies, a confident HRCT diagnosis of UIP was 95% specific for the pathological finding of UIP. HRCT appearance was also predictive of survival: a definite UIP pattern on HRCT (having all the features described above) was associated with a lower survival …
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 | 0,014 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,008 | 0,033 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,010 | 0,033 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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 ».