MétaCan
Menu
Retour à la cohorte
Enregistrement W2920799198 · doi:10.1001/jamanetworkopen.2019.0703

Diagnostic Accuracy of Point-of-Care Lung Ultrasonography and Chest Radiography in Adults With Symptoms Suggestive of Acute Decompensated Heart Failure

2019· review· en· W2920799198 sur OpenAlexaff
Anna Maw, Ahmed Hassanin, P. Michael Ho, Matthew D. F. McInnes, Angela Moss, Elizabeth Juarez‐Colunga, Nilam J. Soni, Marcelo Haertel Miglioranza, Elke Platz, Kristen DeSanto, Anthony Sertich, Gerald Salame, Stacie L. Daugherty

Notice bibliographique

RevueJAMA Network Open · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesNational Heart, Lung, and Blood InstituteQuality Enhancement Research InitiativeHealth Services Research and DevelopmentU.S. Department of Veterans Affairs
Mots-clésMedicineAcute decompensated heart failureCochrane LibraryRadiologyHeart failureMedical diagnosisMEDLINEGold standard (test)Prospective cohort studyReceiver operating characteristicChest radiographRadiographyMeta-analysisIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: Standard tools used to diagnose pulmonary edema in acute decompensated heart failure (ADHF), including chest radiography (CXR), lack adequate sensitivity, which may delay appropriate diagnosis and treatment. Point-of-care lung ultrasonography (LUS) may be more accurate than CXR, but no meta-analysis of studies directly comparing the 2 tools was previously available. Objective: To compare the accuracy of LUS with the accuracy of CXR in the diagnosis of cardiogenic pulmonary edema in adult patients presenting with dyspnea. Data Sources: A comprehensive search of MEDLINE, Embase, and Cochrane Library databases and the gray literature was performed in May 2018. No language or year limits were applied. Study Selection: Study inclusion criteria were a prospective adult cohort of patients presenting to any clinical setting with dyspnea who underwent both LUS and CXR on initial assessment with imaging results compared with a reference standard ADHF diagnosis by a clinical expert after either a medical record review or a combination of echocardiography findings and brain-type natriuretic peptide criteria. Two reviewers independently assessed the studies for inclusion criteria, and disagreements were resolved with discussion. Data Extraction and Synthesis: Reporting adhered to the Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy and the Preferred Reporting Items for Systematic Reviews and Meta-analyses guidelines. Two authors independently extracted data and assessed the risk of bias using a customized QUADAS-2 tool. The pooled sensitivity and specificity of LUS and CXR were determined using a hierarchical summary receiver operating characteristic approach. Main Outcomes and Measures: The comparative accuracy of LUS and CXR in diagnosing ADHF as measured by the differences between the 2 modalities in pooled sensitivity and specificity. Results: The literature search yielded 1377 nonduplicate titles that were screened, of which 43 articles (3.1%) underwent full-text review. Six studies met the inclusion criteria, representing a total of 1827 patients. Pooled estimates for LUS were 0.88 (95% Cl, 0.75-0.95) for sensitivity and 0.90 (95% Cl, 0.88-0.92) for specificity. Pooled estimates for CXR were 0.73 (95% CI, 0.70-0.76) for sensitivity and 0.90 (95% CI, 0.75-0.97) for specificity. The relative sensitivity ratio of LUS, compared with CXR, was 1.2 (95% CI, 1.08-1.34; P < .001), but no difference was found in specificity between tests (relative specificity ratio, 1.0; 95% CI, 0.90-1.11; P = .96). Conclusions and Relevance: The findings suggest that LUS is more sensitive than CXR in detecting pulmonary edema in ADHF; LUS should be considered as an adjunct imaging modality in the evaluation of patients with dyspnea at risk of ADHF.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,053
score de la tête « metaresearch » (Gemma)0,266
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,279

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,266
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0140,019
Bibliométrie0,0080,007
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0030,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,344
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations296
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207