Notice bibliographique
Résumé
A few months ago, I was helping my daughter, a senior in high school, with her history thesis paper. In it, she argued that the discovery and use of antibiotics were the true heroes during World War II, having saved millions of lives to this day. In a similar manner, novel imaging techniques used today are changing the way that we confront and approach the diagnosis of infectious diseases in the brain and spine. Currently, most of the brain and spinal infections are diagnosed with the use of magnetic resonance imaging (MRI). With this technology, it is relatively easy to demonstrate a brain abscess using diffusion-weighted imaging or to demonstrate abnormal meningeal enhancement suggestive of meningitis. However, due to multiple infectious pathogens such as parasites, bacteria, fungus, viral diseases, and prion infections, the differential diagnosis is broad. Because of this, the necessity to obtain an early diagnosis is crucial, because symptoms can appear suddenly and progress into brain damage, paralysis, or death in some cases. The goal of this issue is to cover all of these entities, showing the most important topics in MRI. To accomplish this, I have had the good fortune to work with an excellent group of neuroradiologists from Latin America, India, Canada, and the United States. Because this is an extensive topic, we have decided to present it in 2 issues; the first 4 articles will cover pediatric intracranial infections, central nervous system tuberculosis, neurocysticercosis, and fungal infections of the brain. The following 4 articles will cover meningitis and ventriculitis, MRI of the brain in the patient with HIV, brain MRI in viral diseases and prion diseases, and finally, MRI of spinal infections. I hope that these issues will be informative and helpful, providing current and updated information for the diagnosis of brain and spinal infections using MRI. I would like to thank my friend, Scott W. Atlas, for the great privilege and the invitation to host these 2 issues related to the important topics of “MRI in Brain and Spinal Infection.” At the same time, I would like to express my sincere gratitude to the superb group of authors for their effort and time preparing all the manuscripts and material for these 2 issues. I want to thank Julie Chase, Editorial Coordinator from Wolters Kluwer Health Medical Research, Lippincott Williams and Wilkins, Ovid Technologies, for her guidance and assistance. I also wish to thank some close collaborators at Beth Israel Deaconess Medical Center in Boston—David Hackney, Gul Moonis, Rafeeque Bhadelia, Douglas Teich, Jonathan Kleefield, Nagamani Peri, and Alice Fisher—for all their guidance and for sharing their expertise with me. Finally, I want to say thanks to my lovely wife, Irina, and my wonderful kids for all their support.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».