Clinical Benefit of 3 Tesla Magnetic Resonance Imaging Rescanning in Patients With Focal Epilepsy and Negative 1.5 Tesla Magnetic Resonance Imaging
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Magnetic resonance imaging is an essential tool in the pre-surgical evaluation of patients with drug-resistant epilepsy. OBJECTIVE: Our aim was to assess the value of re-imaging patients with focal drug-resistant epilepsy. METHODS: Thirty patients with negative or non-conclusive 1.5 Tesla magnetic resonance imaging were rescanned with 1.5T and 3T. All of them had previous 1.5 scans with no seizure protocol in a non-specialized center. Two neuroradiologists who were blinded to prior imaging results randomly reviewed the magnetic resonance images. Kappa score was used to assess the reliability. RESULTS: Mean age of patients was 30 (SD ± 11) years. The intra-observer agreement for the first radiologist was 0.74 for 1.5T and 0.71 for 3T. In the second radiologist it was 0.82 and 0.66, respectively. Three lesions (10%) were identified by general radiologists in non-specialized centers using a 1.5T standard protocol. In our center a consensus between two neuroradiologists using epilepsy protocol identified seven lesions (23%) using 1.5T and 10 (33%) using 3T (p < 0.01). In 28% of patients this additional information resulted in a change in clinical management. CONCLUSIONS: 3T magnetic resonance imaging rescanning improves the diagnostic yield in patients with focal epilepsy and previous negative 1.5T magnetic resonance imaging. Use of 3T magnetic resonance imaging, epilepsy protocols, and interpretation by experienced neuroradiologists is highly recommended.
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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle