Body composition determinants of radiation dose during abdominopelvic CT
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
OBJECTIVES: We designed a prospective study to investigate the in-vivo relationship between abdominal body composition and radiation exposure to determine the strongest body composition predictor of dose length product (DLP) at CT. METHODS: Following institutional review board approval, quantitative analysis was performed prospectively on 239 consecutive patients who underwent abdominopelvic CT. DLP, BMI, volumes of abdominal adipose tissue, muscle, bone and solid organs were recorded. RESULTS: = 0.77) revealed that total adipose volume was the strongest predictor of radiation exposure [B (95% CI) = 0.027(0.024-0.030), t=23.068, p < 0.001]. Stepwise linear regression using DLP as the dependent and BMI and total adipose tissue as independent variables demonstrated that total adipose tissue is more predictive of DLP than BMI [B (95% CI) = 16.045 (11.337-20.752), t=6.681, p < 0.001]. CONCLUSIONS: The volume of adipose tissue was the strongest predictor of radiation exposure in our cohort. MAIN MESSAGE: • Individual body composition variables correlate with DLP at abdominopelvic CT. • Total abdominal adipose tissue is the strongest predictor of radiation exposure. • Muscle volume is also a significant but weaker predictor of DLP.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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