Enhanced pneumothorax visualization in ICU patients using portable chest radiography
Notice bibliographique
Résumé
OBJECTIVE: Pneumothorax development can cause precipitous deterioration in ICU patients, therefore quick and accurate detection is vital. Portable chest radiography is commonly performed to exclude pneumothoraces but is hampered by supine patient position and overlying internal and external material. Also, the initial evaluation of the chest radiograph may be performed by a relatively inexperienced physician. Therefore, a tool that could significantly improve pneumothorax detection on portable radiography would be helpful in patient care. The aim of this study was to evaluate the clinical utility of novel enhancement software for pneumothorax detection in readers with varied clinical experience of detecting/excluding pneumothoraces on portable chest radiographs in ICU patients. SUBJECTS AND METHODS: 206 portable ICU chest radiographs, 103 with pneumothoraces, were processed with and without enhancement software and reviewed by 5 readers who varied in reading experience. Images were grouped for different complexity levels. RESULTS: The mean AUC for pneumothorax detection increased for 4/5 readers from 0.846-0.957 to 0.88-0.971 with a largest improvement for the reader with least experience. No significant change was noted for the reader with the longest reading experience. The image complexity had no impact on the interpretation result. CONCLUSION: Pneumothorax detection improves with novel enhancement software; the largest improvement is seen in less experienced readers.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».