MétaCan
Menu
Retour à la cohorte
Enregistrement W3007250251 · doi:10.1148/radiol.2020191735

Pulmonary Imaging Phenotypes of Chronic Obstructive Pulmonary Disease Using Multiparametric Response Maps

2020· article· en· W3007250251 sur OpenAlexafffund
Jonathan L. MacNeil, Dante P. I. Capaldi, Andrew Westcott, Rachel L. Eddy, Andrea L. Barker, David G. McCormack, Miranda Kirby, Grace Párraga

Notice bibliographique

RevueRadiology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Obstructive Pulmonary Disease (COPD) Research
Établissements canadiensToronto Metropolitan UniversityWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésMedicineCOPDPulmonary diseaseGold standard (test)Pulmonary function testingNuclear medicineObstructive lung diseaseVoxelProspective cohort studyEffective diffusion coefficientLung volumesInternal medicineLungRadiologyCardiologyMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Background Pulmonary imaging of chronic obstructive pulmonary disease (COPD) has focused on CT or MRI measurements, but these have not been evaluated in combination. Purpose To generate multiparametric response map (mPRM) measurements in ex-smokers with or without COPD by using volume-matched CT and hyperpolarized helium 3 (3He) MRI. Materials and Methods In this prospective study (https://clinicaltrials.gov, NCT02279329), participants underwent MRI and CT and completed pulmonary function tests, questionnaires, and the 6-minute walk test between December 2010 and January 2019. Disease status was determined by using Global initiative for chronic Obstructive Lung Disease (GOLD) criteria. The mPRM voxel values were generated by using co-registered MRI and CT labels. Kruskal-Wallis and Bonferroni tests were used to determine differences across disease severity, and correlations were determined by using Spearman coefficients. Results A total of 175 ex-smokers (mean age, 69 years ± 9 [standard deviation], 108 men) with or without COPD were evaluated. Ex-smokers without COPD had a larger fraction of normal mPRM voxels (60% vs 37%, 20%, and 7% for GOLD I, II, and III/IV disease, respectively; all P ≤ .001) and a smaller fraction of abnormal voxels, including small airways disease (normal CT, not ventilated: 5% vs 6% [not significant], 11%, and 19% [P ≤ .001 for both] for GOLD I, II, and III/IV disease, respectively) and mild emphysema (normal CT, abnormal apparent diffusion coefficient [ADC]: 33% vs 54%, 56%, and 54% for GOLD I, II, and III/IV disease respectively; all P ≤ .001). Normal mPRM measurements were positively correlated with forced expiratory volume in 1 second (FEV1) (r = 0.65, P < .001), the FEV1-to–forced vital capacity ratio (r = 0.81, P < .001), and diffusing capacity (r = 0.75, P < .001) and were negatively correlated with worse quality of life (r = −0.48, P < .001). Abnormal mPRM measurements of small airways disease (normal CT, not ventilated) and mild emphysema (normal CT, abnormal ADC) were negatively correlated with FEV1 (r = −0.65 and −0.42, respectively; P < .001) and diffusing capacity (r = −0.53 and −0.60, respectively; P < .001) and were positively correlated with worse quality of life (r = 0.45 and r = 0.33, respectively; P < .001), both of which were present in ex-smokers without COPD. Conclusion Multiparametric response maps revealed two abnormal structure-function results related to emphysema and small airways disease, both of which were unexpectedly present in ex-smokers with normal spirometry and CT findings. © RSNA, 2020 Online supplemental material is available for this article.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,027
Tête enseignante GPT0,299
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations31
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetChronic Obstructive Pulmonary Disease (COPD) ResearchTravaux en français237 207