Expert Agreement in the Interpretation of Lung Ultrasound Studies Performed on Mechanically Ventilated Patients
Notice bibliographique
Résumé
OBJECTIVES: Although lung ultrasound (US) has been shown to have high diagnostic accuracy in patients presenting with acute dyspnea, its precision in critically ill patients is unknown. We investigated common areas of agreement and disagreement by studying 6 experts as they interpreted lung US studies in a cohort of intensive care unit (ICU) patients. METHODS: A previous study by our group asked experts to rate the quality of 150 lung US studies performed by 10 novices in a population of mechanically ventilated patients. For this study, experts were asked to interpret them without the clinical context, reporting the presence of pneumothorax, interstitial syndrome, consolidation, atelectasis, or pleural effusion. RESULTS: The rate of expert agreement depended on how it was defined, ranging from 51% (with a strict definition of agreement) to 57% (with a more liberal definition). Removing cases involving lung consolidation (the most common source of disagreement) improved the rates of agreement to 69% and 86%, respectively. CONCLUSIONS: The frequency of agreement was lower than might have been expected in this study. Several potential reasons are identified, chief among them the fact that ICU patients often develop multiple pulmonary insults, making agreement on a specific primary diagnosis challenging. This finding suggests that the utility of lung US in identifying the main contributing lung condition in ICU patients may be lower than in dyspneic patients encountered in the emergency department. It also raises the possibility that the clinical context is more important for lung US than other imaging modalities.
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 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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».