Lung ultrasound in heart failure: Lessons from re‐analysis of Lung Ultrasound 2011 database
Notice bibliographique
Résumé
Abstract Introduction : In the setting of patients presenting with shortness of breath to an Emergency Department a simple lung ultrasound protocol aimed at detecting pulmonary oedema has been shown to have diagnostic accuracy of 85%. This article reviews data from the original study, in an attempt to determine whether adjusting the protocol and/or interpretive criteria would improve results. Method : A large lung ultrasound project provided the dataset. Inter‐rater and intertest discrepancies were reviewed. Then original stored images and comments were retrospectively analysed using alternate interpretive criteria. Specific variations included changing the number of B‐lines required to define ‘wet lung’ and assessing other pleural line abnormalities. Where they had been acquired cardiac loops were reviewed in addition to the lung images. Results : The 204 original studies available were reviewed. Some disagreement could be attributed to inexperience and unclear definitions. Adjusting the number of B‐lines did not improve diagnostic accuracy. All positive scans, with numerous B‐lines were reviewed using more advanced diagnostic criteria (pleural line abnormalities) and the number of false positives was decreased. In cases where cardiac views were available, their inclusion was beneficial. Conclusion : A simple lung ultrasound protocol to assess for ‘wet lung’ in patients presenting to Emergency Departments provides diagnostic accuracy of around 85% in the hands of relative novices. More advanced interpretation of the same_ultrasound images, and the addition of cardiac views, is likely to further improve diagnostic accuracy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 tête enseignante, 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 ».