Impact of newer generation multidetector computed tomography on the diagnosis of abscesses in the head and neck.
Notice bibliographique
Résumé
OBJECTIVE: To understand how newer generation multidetector computed tomographic (NGCT) scanner technology (≥ 16 slices) has affected the imaging characteristics of head and neck abscesses. DESIGN: Retrospective chart review. SETTING: Tertiary referral centre. METHODS: Forty-eight patients with a head and neck abscess who underwent a soft tissue neck computed tomographic (CT) scan were identified from September 1, 2001, to December 1, 2008. The degree of rim enhancement, delta (Δ), was graded using mean Hounsfield units (HU) from five peripheral points and five central points from a representative CT slice. The difference was then calculated and compared between older generation computed tomography (OGCT; < 16 slices) and newer generation multidetector computed tomography (NGCT; ≥ 16 slices) using the Student t-test. A p value < .05 was considered significant. RESULTS: Forty-eight patients met our inclusion criteria. Of these, 20 were scanned with OGCT and 28 were scanned with NGCT. The mean peripheral point values were OGCT = 78 HU (95% CI 71-86 HU), NGCT = 74 HU (95% CI 68-80 HU); p = .3. The mean central point values were OGCT = 24 HU (95% CI 21-28 HU), NGCT = 26 HU (95% CI 21-31 HU), p = 0.7. The mean delta values (mean peripheral HU--mean central HU) were OGCT = 52 HU (95% CI 43-61 HU), NGCT = 46 HU (95% CI 41-52 HU), p = .2. CONCLUSION: There is no significant difference between OGCT and NGCT in the amount of rim enhancement seen on CT scans of head and neck abscesses.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».