MétaCan
Menu
Retour à la cohorte
Enregistrement W3042510163 · doi:10.3389/fmed.2020.00337

High-Resolution Peripheral Quantitative Computed Tomography for Bone Evaluation in Inflammatory Rheumatic Disease

2020· review· en· W3042510163 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueFrontiers in Medicine · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueRheumatoid Arthritis Research and Therapies
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of Calgary
Organismes subventionnairesNovo Nordisk FondenA.P. Møller og Hustru Chastine Mc-Kinney Møllers Fond til almene FormaalArthritis SocietyGigtforeningenUniversity of CalgaryAarhus Universitet
Mots-clésQuantitative computed tomographyMedicineArthritisRadiologyWristPeripheralOsteoarthritisInflammatory arthritisNuclear medicineInternal medicinePathologyOsteoporosisBone density

Résumé

récupéré en direct d'OpenAlex

High resolution peripheral quantitative computed tomography (HR-pQCT) is a 3-dimensional imaging modality with superior sensitivity for bone changes and abnormalities. Recent advances have led to increased use of HR-pQCT in inflammatory arthritis to report quantitative volumetric measures of bone density, microstructure, local anabolic (e.g., osteophytes, enthesiophytes) and catabolic (e.g., erosions) bone changes and joint space width. These features may be useful for monitoring disease progression, response to therapy, and are responsive to differentiating between those with inflammatory arthritis conditions and healthy controls. We reviewed 69 publications utilizing HR-pQCT imaging of the metacarpophalangeal (MCP) and/or wrist joints to investigate arthritis conditions. Erosions are a marker of early inflammatory arthritis progression, and recent work has focused on improvement and application of techniques to sensitively identify erosions, as well as quantifying erosion volume changes longitudinally using manual, semi-automated and automated methods. As a research tool, HR-pQCT may be used to detect treatment effects through changes in erosion volume in as little as 3 months. Studies with 1-year follow-up have demonstrated progression or repair of erosions depending on the treatment strategy applied. HR-pQCT presents several advantages. Combined with advances in image processing and image registration, individual changes can be monitored with high sensitivity and reliability. Thus, a major strength of HR-pQCT is its applicability in instances where subtle changes are anticipated, such as early erosive progression in the presence of subclinical inflammation. HR-pQCT imaging results could ultimately impact decision making to uptake aggressive treatment strategies and prevent progression of joint damage. There are several potential areas where HR-pQCT evaluation of inflammatory arthritis still requires development. As a highly sensitive imaging technique, one of the major challenges has been motion artifacts; motion compensation algorithms should be implemented for HR-pQCT. New research developments will improve the current disadvantages including, wider availability of scanners, the field of view, as well as the versatility for measuring tissues other than only bone. The challenge remains to disseminate these analysis approaches for broader clinical use and in research.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
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 Opus0,044
Tête enseignante GPT0,349
Écart entre enseignants0,306 · 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