Grading of MRI and STarT Back Screening Tool (SBST) in the diagnosis of severity of lumbar central canal stenosis: a sensitivity analysis
Notice bibliographique
Résumé
Purpose: This study aimed to correlation between the grading stenosis and the STarT Back Screening Tool (SBST) in patients diagnosed with lumbar central canal stenosis (LCCS). Methods: In a prospective clinical study, a total of 269 patients with LCCS were asked to respond to the questionnaire at their first visits. Grading of LCCS on MRI was determined and also the severities of the disease were observed based on SBST as the gold standard. Finally grading on MRI and calcification of the SBST were determined, and sensitivity analysis carried out to evaluate severity of LCCS on grading of MRI using the SBST. Results: The mean age of patients was 58.6 (SD= 10.9) years; and 56.5% were female. According to patients’ imaging they have been diagnosed as grade 1 (n = 86), grade 2 (n = 107) and grade 3 (n = 76). The sensitivity, specificity and accuracy of the estimated grading of LCCS on MRI for low, medium, and high risk groups were found to be desirable: 97.6%, 66.7%, 96.5% for low risk; 93.1%, 83.3%, 92.5% for medium risk, and 97.2%, 66.7%, 94.7% for high risk, respectively. Conclusion: Our findings indicate that grading of LCCS on MRI correlate with SBST and suggest that it is a reliable measure for screening LCCS patients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».