Predicting Positive CT Findings in Non-Polypoid Para-Nasal Sinus Disease
Notice bibliographique
Résumé
Objective: Chronic rhinosinusitis affects significant portion of the population and is one of the most common reasons for Otolaryngology visits. In recent years, Computed Tomography (CT) has become the main modality of investigation in sinus disease. However, significant paucity in evidence exists in correlating symptoms and laboratory findings with positive CT findings. Given the associated radiation exposure and significant cost on the healthcare system, clinical guidelines in determining the appropriateness of CT investigation are needed. Study Design: Eighty-three consecutive patients referred to a single rhinologist for evaluation for chronic rhinosinusitis without nasal polyposis were retrospectively reviewed. Setting: The study involved two McGill University associated hospitals in a 13 month period. Subjects and Methods: Patients were evaluated for presence of six subjective symptoms and two objective signs. Complete blood count and CT sinuses were then ordered. CT sinuses were subsequently graded using the Lund-McKay scoring system. Results: No single symptom, sign or combinations were predictive of positive CT finding. No laboratory markers were able to predict a positive scan. Interestingly inflammatory markers were lower in positive scan group compared to the negative scan population. Conclusion: Clinical diagnosis of chronic rhinosinusitis in nonpolypoid patients presents a challenge. CT imaging is a fundamental component in diagnosing those patients, yet clinical experience is important in preventing unnecessary radiation exposure.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».