Agreement between software programmes of body composition analyses on abdominal computed tomography scans of obese adults
Notice bibliographique
Résumé
Objective A large number of studies have used abdominal computed tomography (CT) to quantify body composition, and different software programmes have been used to perform these analyses. Thus, this comparison is important to enable researchers to know the performance of more accessible software. Subjects and methods Fifty-four abdominal CT scans of obese (BMI 30 to 39.9 kg/m2), sedentary adults (24-41 years) patients from a Brazilian single center were selected. Two software programs were compared: Slice-O-Matic (Tomovision, Canada) version 5.0 and OsiriX version 5.8.5. The body composition analysis were segmented using standard Hounsfield unit (HU) (adipose tissue: -190 to +30 and skeletal muscle: -29 to +150) and measured at the mid third lumbar vertebra (L3) level on a slice showing both transversal processes. Bland-Altman limits of agreement analyses were used to assess the level of agreement between Slice-O-Matic and OsiriX. Results A total of fifty-four participants were evaluated, with majority women (69%), mean of age 31.3 (SD 6.5) years and obesity grade I most prevalent (74.1%). The agreement, in Bland-Altman analysis, between Slice-O-Matic and OsiriX analisys for the muscle mass tissue, visceral adipose tissue and subcutaneous adipose tissue were excellent (≥ 0.954) with P-values < 0.001. Conclusion These findings show that Slice-O-Matic and OsiriX softwares agreement in measurements of skeletal muscle and adipose tissue and sarcopenia diagnosis in obese patients, suggesting good applicability in studies with body composition in this population and clinical practice.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».