How Do Different Indices of Hepatic Enhancement With Gadoxetic Acid Compare in Predicting Liver Failure and Other Major Complications After Hepatectomy?
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.
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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».