High-definition-iSCAN virtual chromoendoscopy has high sensitivity and specificity for the diagnosis of eosinophilic esophagitis
Notice bibliographique
Résumé
Abstract Background and study aims A major challenge in eosinophilic esophagitis (EoE) is disease recognition during endoscopy as there are no pathognomonic findings. We aimed to determine the utility of high-definition (HD) iSCAN virtual chromoendoscopy (VC) in diagnosis of EoE. Patients and methods One hundred eighty-nine consecutive patients presenting with dysphagia or food bolus impaction were assessed using HD-iSCAN VC (Pentax, Japan) with biopsies from distal, mid, upper esophagus and from furrows where visible. Results Of 189 patients, 45 (23.8 %, male = 29, median age 40y) had a histological diagnosis of EoE; 73.3 % of the patients were newly diagnosed. iSCAN endoscopic features of EoE were linear furrows (91 %), edema (77.8 %), rings or tracheal appearance (73.3 %), whitish exudates (26.6 %) and narrowing or stricture (5 %). One patient (2.2 %) had all 5 endoscopic features. Ten patients (22.2 %) had linear furrows, edema,rings or tracheal appearance and whitish exudates on iSCAN, with a positive predictive value (PPV) 100 % (95 % CI 69.1 %-100 %) and negative predictive value (NPV) 80.4 % (95 % CI 73.9 %-86 %). Thirteen patients (29 %) presented with linear furrows, edema and rings or tracheal appearance on iSCAN, with a PPV 100 % (95 % CI 75.3 %-100 %) and NPV 81.8 % (95 % CI 75.3 %-87.2 %). Six patients (13.3 %) had furrows and edema and 6 patients (13.3 %) had furrows and rings or tracheal appearance on iSCAN, with a PPV 100 % (95 % CI 54.1 %-100 %) and NPV 78.69 % (95 % CI 72 %-84.4 %), respectively. The sensitivity and specificity of HD-iSCAN endoscopy were 97.62 % (95 % CI 87.43 %-99.94 %) and 89.58 % (95 % CI 83.40 %-94.05 %). The accuracy of HD-iSCAN endoscopy was 92.47 % (95 % CI 87.67 %-95.56 %). Conclusion HD-iSCAN endoscopy is sensitive and specific with good accuracy for EoE diagnosis. Linear furrows, edema and tracheal appearance were the most common findings and these 3 endoscopic features had a high predictive value for diagnosis of EoE.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».