MétaCan
Menu
Retour à la cohorte
Enregistrement W2337911661 · doi:10.1097/wnp.0000000000000234

Ultrasound in Neuromuscular Disorders

2016· review· en· W2337911661 sur OpenAlexaff
Hans Katzberg, Vera Bril, Ari Breiner

Notice bibliographique

RevueJournal of Clinical Neurophysiology · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueElbow and Forearm Trauma Treatment
Établissements canadiensUniversity Health NetworkToronto General HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineUltrasoundRadiology

Résumé

récupéré en direct d'OpenAlex

Electrodiagnosis with nerve conduction studies and needle electromyography has been the standard method of diagnosis of neuromuscular conditions for over 80 years. Although ultrasound technology has been in existence for approximately the same time, application of this technology to assessment of the neuromuscular system only began in the 1980s. In the past 2 decades-mainly because of advances in resolution enabled by high frequency transducers and improved image processing-ultrasound has enabled the real-time, morphologic evaluation of focal and diffuse neuropathies, motor neuron diseases, and myopathies. Although methods of nerve and muscle assessment continue to evolve (i.e., Doppler imaging to evaluate intraneural and intramuscular blood flow), nerves have most commonly been evaluated based on their cross-sectional area, which seems to correlate with nerve swelling and pathology, particularly in focal and also in some diffuse neuropathies. Qualitative and more recently quantitative measures of muscle echogenicity have been used in the assessment of myopathies and motor neuron diseases. Collection of normal values in heterogeneous populations, extremes of age and patients with differing anthropometric profiles, has helped develop tables of normal values, thereby allowed ultrasound measurements to be judged against a reference standard, as has previously been established for nerve conduction studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,455
Écart entre enseignants0,350 · 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

Citations20
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical NeurophysiologyMême sujetElbow and Forearm Trauma TreatmentTravaux en français237 207