Diagnostic Accuracy of Echo Envelope Statistical Modeling Compared to B‐Mode and Power Doppler Ultrasound Imaging in Patients With Clinically Diagnosed Lateral Epicondylosis of the Elbow
Notice bibliographique
Résumé
Objectives To compare the accuracy of homodyned K quantitative ultrasound (QUS) with that of B‐mode and Doppler ultrasound imaging for discriminating between lateral epicondylosis (LE) and asymptomatic elbows. Methods This prospective study received Institutional Review Board approval, and participants provided written informed consent. Between February 2015 and March 2017, 30 LE elbows in 27 patients and 24 asymptomatic elbows in 13 volunteers underwent B‐mode, Doppler, and radiofrequency ultrasound imaging of the common extensor tendon (CET) and radial collateral ligament (RCL). Two readers classified the elbows independently on the basis of a review of B‐mode and Doppler images. The global and local estimates of QUS parameters (μ n , 1/α, and k ) were computed in the CET and CET‐RCL regions, respectively, and the area of each region was calculated. A random‐forest classifier identified the most discriminating 3‐parameter combination: CET global estimate of 1/α, CET‐RCL area, and local estimate of k . Results The patients with LE had a mean age of 50 years (range, 31–66 years), and the volunteers had a mean age of 50 years (range, 37–57 years). The area under the receiver operating characteristic curve, sensitivity, and specificity of reader 1, reader 2, and the QUS‐based model were 0.80 (95% confidence interval [CI], 0.66–0.95), 0.72 (95% CI, 0.56–0.89), and 0.88 (95% CI, 0.72–1.04); 0.79 (95% CI, 0.66–0.93), 0.65 (95% CI, 0.47–0.82), and 0.84 (95% CI, 0.67–1.01); and 0.82 (95% CI, 0.80–0.85), 0.73, and 0.79, respectively. Conclusions An automated, computer‐based QUS technique diagnosed LE with accuracy of 0.82. This technique could provide quantitative biomarkers for the characterization of LE disease.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».