Accuracy of point‐of‐care intestinal ultrasound for Crohn's disease
Notice bibliographique
Résumé
BACKGROUND: Point-of-care ultrasound (POCUS), performed by a gastroenterologist, provides safe and convenient imaging allowing for immediate clinical decision in Crohn's disease. The minimum training required to gain competency, its accuracy and clinical utility requires evaluation. METHODS: In this pilot study, Crohn's disease activity and extent were assessed using POCUS (performed by a single gastroenterologist following the completion of 200 supervised scans), magnetic resonance enterography (MRE) and ileo-colonoscopy. The presence of complications was assessed by POCUS and MRE. Accuracy of POCUS was analysed with respect to MRE and ileo-colonoscopy. Agreement between modalities was assessed using kappa coefficient. RESULTS: Forty-two patients had a POCUS paired with MRE. Thirty-eight patients had a POCUS paired with ileo-colonoscopy. When compared to MRE, POCUS was accurate in the assessment of disease activity (sensitivity 87.5%, specificity 61.1%, ROC 0.74), extent (sensitivity 77.8%, specificity 83.3%, ROC 0.81) and complications (sensitivity 85.7%, specificity 94.3%, ROC 0.90). Agreement between POCUS and MRE was moderate (kappa estimates 0.50, P < 0.001, 0.61, P < 0.001 and 0.76, P < 0.001) for disease activity, extent and complications, respectively. When compared to ileo-colonoscopy, POCUS was accurate in the assessment of disease activity (sensitivity 72%, specificity 86%, ROC 0.79) and extent (sensitivity 85.7%, specificity 86%, ROC 0.86). For POCUS and ileo-colonoscopy, kappa estimates were 0.55, P < 0.001 for disease activity and 0.62, P < 0.001 for disease extent. CONCLUSION: POCUS performed by a gastroenterologist after completion of limited training is accurate for assessing Crohn's disease activity, extent and the presence of complications.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».