Hepatic enhancement differences when dosing iodinated contrast media according to total versus lean body weight
Notice bibliographique
Résumé
BackgroundRecent studies suggest potentially improved inter-patient variability in hepatic enhancement by dosing contrast media (CM) according to lean body weight (LBW); however, studies vary in dosing strategy and most involved solely Japanese patients. PurposeTo compare the magnitude and inter-patient variability in mean hepatic enhancement (MHE) when dosing CM according to total body weight (TBW) versus LBW in a Western population. Material and MethodsWith ethics approval, this study comprised two parts: (i) 100 CTs acquired with 1.3 mL Isovue 370/kg TBW were analyzed; (ii) 108 patients were consented for LBW dosing at 1.9 mL/kg (max. 150 mL, both groups). Liver attenuations were obtained from regions of interest. The MHE, MHE per gram of iodine (MHE/I), and adjusted MHE (aMHE = MHE/(I/TBW or LBW)) were calculated. We compared patient populations (Fisher's exact test, t-tests) and inter-patient variability (F-tests of variances in MHE) and performed linear regressions of MHE and aMHE. ResultsCohorts were similar in age, sex, TBW, LBW, and total CM dose. MHE was higher in part 2 (63.1 ± 13 vs. 56.3 ± 12 HU, P = 0.0001) but variances were similar (P > 0.7). In part 2, men received more CM (P = 0.0002) and MHE was higher (P = 0.0002); women received less CM (P = 0.053) but showed a non-significant trend for greater MHE (P = 0.07). MHE/I was higher for women in part 2 (P = 0.01) and stable in men (P = 0.72). Linear regressions showed no lines of best-fit with non-zero slopes, for both sexes and study parts. ConclusionWith CM dose constant, LBW dosing yielded a higher magnitude in MHE but did not reduce inter-patient variability.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».