Can Ultrasound With Contrast Enhancement Replace Nonenhanced Computed Tomography Scans in Patients With Contraindication to Computed Tomography Contrast Agents?
Notice bibliographique
Résumé
PURPOSE: Our purpose is to determine the efficacy of ultrasound (US), with the addition of contrast enhancement (CEUS), in the identification and characterization of abdominal pathology compared with nonenhanced computed tomography (CT) scan (NECT). METHODS: This prospective cohort study recruited 197 patients with NECT, the majority with renal failure, to have US, with addition of CEUS, if focal pathology was detected, occurring in 145 patients. Nonenhanced CT scan, US, and CEUS images/video files were presented to 2 blinded readers, in anonymous order. Examination quality and positive observations were recorded. True diagnosis was determined with pathology, follow-up imaging, and clinical notes. Data analysis showed sensitivity of NECT and US in the identification and characterization of pathology and sensitivity of CEUS to characterize abnormalities. RESULTS: Most pathology involved liver (n = 87), kidney (n = 35), and peritoneum (n = 13). Ultrasound alone was superior to NECT in the identification of hepatic and renal pathology, with both performing poorly at characterization. With addition of CEUS, characterization of hepatic and renal pathology reached 100%. Nonenhanced CT is superior to US in identification of peritoneal pathology, especially in large patients. Further solid and hollow organ pathology identified and characterized was of insufficient size to draw conclusions. CONCLUSIONS: Nonenhanced CT has limited ability to identify and characterize solid and hollow organ pathology. Ultrasound with the benefit of CEUS is superior to NECT in the characterization of focal liver, kidney, and peritoneal pathology. Contrast-enhanced ultrasound outperforms NECT in evaluation of suspect abdominal pathology in those with renal failure.
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 | 0,004 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».