Evaluation of the peritoneal carcinomatosis index with CT and MRI
Notice bibliographique
Résumé
Abstract Background The aim was to determine the incremental value of MRI compared with CT in the preoperative estimation of the peritoneal carcinomatosis index (PCI). Methods CT and MRI examinations of patients with peritoneal carcinomatosis were evaluated. CT images were first analysed by two observers who determined a first PCI (PCICT). Then, the two observers reviewed MRI examinations in combination with CT and determined a second PCI (PCICT+MRI). The sensitivity and negative predictive value of the two imaging sets were determined using surgery as a reference standard (PCIRef). Results CT plus MRI was more accurate in predicting the surgical PCI than CT alone. The absolute difference between PCICT+MRI and PCIRef was lower than that between PCICT and PCIRef (mean(s.d.) 3·96(4·10) versus 4·89(4·73); P = 0·010). The number of true-positive findings increased from 106 to 125 for reader 1 and from 117 to 132 for reader 2 with the adjunct of MRI. For both readers, an increased sensitivity was obtained when both MRI and CT were used (from 63 to 81 per cent for reader 1; from 44 to 81 per cent for reader 2). The increase in sensitivity was greater for patients with a moderate volume of disease. Conclusion The combination of CT and MRI improved the preoperative estimation of PCI compared with CT alone.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».