How Do Different Indices of Hepatic Enhancement With Gadoxetic Acid Compare in Predicting Liver Failure and Other Major Complications After Hepatectomy?
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
OBJECTIVE: The objective of this study was to assess the accuracy of gadoxetic acid hepatic enhancement indices in predicting posthepatectomy liver failure (PHLF) and other major complications (OMCs). METHODS: Sixty-five patients underwent prehepatectomy gadoxetic acid-enhanced magnetic resonance imaging. Enhancement indices were calculated by obtaining regions of interest on magnetic resonance images and segmented volumes of the liver and spleen. Multivariate regression analysis was performed to predict PHLF and OMC as a function of the indices, and areas under the receiver operator characteristic (AUROC) curves were calculated. RESULTS: Areas under the receiver operator characteristic values varied from 0.412 to 0.681 and 0.462 to 0.738 in predicting PHLF and OMC, respectively. The most accurate indices in predicting PHLF were the region of interest-based, fat-normalized relative liver enhancement and liver enhancement index (AUROC, 0.681). The most accurate index in predicting OMC was the volumetric least-squares regression slope of a pharmacokinetic model (Khep_V, AUROC, 0.738). CONCLUSIONS: Indices of gadoxetic acid liver enhancement demonstrate variable performance in predicting PHLF and OMC.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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