Detection of Steatohepatitis in a Rat Model by Using Spectroscopic Shear-Wave US Elastography
Notice bibliographique
Résumé
Purpose To compare low- versus high-frequency ultrasonographic (US) elastography for detection of steatohepatitis in rats by using histopathologic findings as the reference standard. Materials and Methods Between March and September 2014, after receiving approval from the institutional animal care committee, 60 male Sprague-Dawley rats were fed either a standard chow for 4 weeks or a methionine- and choline-deficient diet for 1, 4, 8, or 12 weeks to induce a continuum of steatohepatitis severity. Liver shear stiffness was assessed in vivo by using US elastography at low (40–130-Hz) and high (130–220-Hz) frequencies. Histologic features (steatosis, inflammation, and fibrosis) and modified nonalcoholic steatohepatitis categories were used as reference standards. Definite steatohepatitis was divided into steatohepatitis with fibrosis stage 1 or lower and stage 2 and higher. Analyses included the Kendall τ correlation, multivariable linear regression analyses, Kruskal-Wallis rank sum test, and post hoc Dunn test with Holm correction. Results Correlations between liver shear stiffness and histologic features were higher at high frequencies than at low frequencies (low frequency: 0.08, 0.24, and 0.20 for steatosis, inflammation, and fibrosis, respectively; high frequency: 0.11, 0.35, and 0.50, respectively). The absolute value of multivariable regression coefficients was higher at high frequencies for the presence of steatosis, inflammation grade, and fibrosis stage (low frequency: −0.475, 0.157, and 0.209, respectively; high frequency: −0.893, 0.357, and 0.447, respectively). The model fit was better at high frequencies (adjusted R2 = 0.57) than at low frequencies (adjusted R2 = 0.21). There was a significant difference between steatohepatitis categories at both low and high frequencies (P = .022 and P < .001, respectively). Conclusion Liver shear stiffness measured with US elastography provided better distinction of steatohepatitis categories at high frequencies than at low frequencies. Further, liver shear stiffness decreased with steatosis and increased with inflammation and fibrosis at both low and high frequencies. © RSNA, 2016 Online supplemental material is available for this article.
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 ».