Ultrashort echo time MRI biomarkers of asthma
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
Purpose To develop and assess ultrashort echo‐time (UTE) magnetic resonance imaging (MRI) biomarkers of lung function in asthma patients. Materials and Methods Thirty participants including 13 healthy volunteers and 17 asthmatics provided written informed consent to UTE and pulmonary function tests in addition to hyperpolarized‐noble‐gas 3T MRI and computed tomography (CT) for asthmatics only. The difference in MRI signal‐intensity (SI) across four lung volumes (full‐expiration, functional‐residual‐capacity [FRC], FRC+1L, and full‐inspiration) was determined on a voxel‐by‐voxel basis to generate dynamic proton‐density (DPD) maps. MRI ventilation‐defect‐percent (VDP), UTE SI, and DPD values as well as CT radiodensity were determined for whole lung and individual lobes. Results Mean SI at full‐expiration ( P < 0.01), FRC ( P < 0.05), and DPD ( P < 0.01) were greater in healthy volunteers compared to asthmatics. In asthmatics, UTE SI at full‐expiration and DPD were correlated with FEV 1 /FVC (SI r = 0.73/ P = 0.002; DPD r = 0.75/ P = 0.003), RV/TLC (SI r = –0.57/ P = 0.02), or RV (DPD r = –0.62/ P = 0.02), CT radiodensity (SI r = 0.83/ P = 0.006; DPD r = 0.71/ P = 0.01), and lobar VDP (SI r s = –0.33/ P = 0.02; DPD r s = –0.47/ P = 0.01). Conclusion In patients with asthma, UTE SI and dynamic proton‐density were related to pulmonary function measurements, whole lung and lobar VDP, as well as CT radiodensity. Thus, UTE MRI biomarkers may reflect ventilation heterogeneity and/or gas‐trapping in asthmatics using conventional equipment, making this approach potentially amenable for clinical use. Level of Evidence: 2 J. Magn. Reson. Imaging 2017;45:1204–1215
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 | 0,000 |
| 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) | 0,001 | 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