Diagnostic Utility of [11C]DTBZ Positron Emission Tomography In Clinically Uncertain Parkinsonism: Experience of a Single Tertiary Center
Notice bibliographique
Résumé
BACKGROUND: The use of single-photon emission computed tomography and positron emission tomography (PET) has proven to be helpful in differentiating Parkinson's disease (PD) from other movement disorders with a sensitivity of up to 95%. OBJECTIVE: The objective of this study was to determine the accuracy of [11C]DTBZ PET imaging in patients with clinically uncertain parkinsonism from a tertiary referral center in Mexico City. MATERIALS AND METHODS: Patients who underwent [11C]DTBZ PET brain scan due to clinically uncertain parkinsonism where divided into two groups: PD or non-PD. A scan was considered positive when visual assessment revealed a decrease in [11C]DTBZ uptake typical for PD; a scan was considered negative when visual assessment showed no decrease in [11C]DTBZ uptake or showed a decrease in tracer uptake in a non-PD pattern. Sensitivity, specificity, and positive and negative predictive values were calculated using a 2 × 2 table, with a 95% confidence interval. RESULTS: A total of 39 patients were included in the study. 14 PET studies were deemed positive and 25 PET studies were deemed negative; 12 true positives and 23 true negatives were found. This yielded a sensitivity of 92.9% (95% CI, 66.1-99.8), specificity of 92% (95% CI, 74-99), PPV of 86.7% (95% CI, 63.1-96.1), and NPV of 95.8% (95% CI, 79.1-98.4). CONCLUSIONS: The [11C]DTBZ PET has an excellent accuracy for differentiating idiopathic PD from other disorders.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».