Comparison of Ultrasound‐Derived Muscle Thickness With Computed Tomography Muscle Cross‐Sectional Area on Admission to the Intensive Care Unit: A Pilot Cross‐Sectional Study
Notice bibliographique
Résumé
Abstract Introduction The development of bedside methods to assess muscularity is an essential critical care nutrition research priority. We aimed to compare ultrasound‐derived muscle thickness at 5 landmarks with computed tomography (CT) muscle area at intensive care unit (ICU) admission. Secondary aims were to (1) combine muscle thicknesses and baseline covariates to evaluate correlation with CT muscle area and (2) assess the ability of the best‐performing ultrasound model to identify patients with low CT muscle area. Methods Adult patients who underwent CT scanning at the third lumbar area <72 hours after ICU admission were prospectively recruited. Muscle thickness was measured at mid‐upper arm, forearm, abdomen, and thighs. Low CT muscle area was determined using published cutoffs. Pearson correlation compared ultrasound‐derived muscle thickness and CT muscle area. Linear regression was used to develop ultrasound prediction models. Bland‐Altman analyses compared ultrasound‐predicted and CT‐measured muscle area. Results Fifty ICU patients were enrolled, aged 52 ± 20 years. Ultrasound‐derived muscle thickness at each landmark correlated with CT muscle area ( P < .001). The sum of muscle thickness at mid‐upper arm and bilateral thighs, including age, sex, and the Charlson Comorbidity Index, improved the correlation with CT muscle area ( r = 0.85; P < .001). Mean difference between ultrasound‐predicted and CT‐measured muscle area was −2 cm 2 (95% limits of agreement, −40 cm 2 to +36 cm 2 ). The best‐performing ultrasound model demonstrated good ability to identify 14 patients with low CT muscle area (area under curve = 0.79). Conclusion Ultrasound shows potential for assessing muscularity at ICU admission (Clinicaltrials.gov NCT03019913).
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) | 0,000 | 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 | 0,001 |
| 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 ».