Development of a quality assessment algorithm for multiple breath nitrogen washout
Notice bibliographique
Résumé
Introduction: There is a need to integrate quality control (QC) into multiple breath washout (MBW) tests to facilitate accurate interpretation of results. We aimed to develop an algorithm to automate application of QC criteria for MBW. Methods: We defined quantitative measures of quality into a series of algorithms [Jensen R. et al. PLoS ONE; 2016] and applied these to MBW data collected on the Exhalyzer® D (EcoMedics AG). The performance of the algorithm was compared to independent assessment by experienced reviewers. Results: Anonymized MBW data (15,070 trials; 2,866 tests) in healthy children, and subjects with Cystic Fibrosis, were retrospectively evaluated using the algorithm. Seventy percent of trials were categorized as accept/exclude, whereas 30% were flagged for manual review. The algorithm agreed with the reviewer’s decision for 88% of trials. The lung clearance index was similar between the algorithm and reviewers (Δ -0.01, limits of agreement -0.31, 0.29) and resulted in a similar proportion of acceptable test occasions (86.4% vs. 83.6%). An equal number of trials flagged for review were subsequently classified as accept/exclude by reviewers. Conclusion: QC criteria can successfully be applied to MBW data using an algorithm and only requires review in approximately 30% of trials. The agreement between the algorithm and manual review was similar to previously observed inter-reviewer agreement [Jensen R. et al. PLoS ONE; 2016]; disagreement may reflect subjective interpretation.
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 | 0,099 | 0,248 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,013 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».