MétaCan
Menu
Retour à la cohorte
Enregistrement W3111298879 · doi:10.21037/qims-20-682

Lung regions identified with CT improve the value of global inhomogeneity index measured with electrical impedance tomography

2021· article· en· W3111298879 sur OpenAlexaff
Lin Yang, Meng Dai, Knut Möller, Inéz Frerichs, Andy Adler, Feng Fu, Zhanqi Zhao

Notice bibliographique

RevueQuantitative Imaging in Medicine and Surgery · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensCarleton University
Organismes subventionnairesNatural Science Basic Research Program of Shaanxi ProvinceFourth Military Medical UniversityBundesministerium für Bildung und ForschungHorizon 2020 Framework ProgrammeNational Natural Science Foundation of China
Mots-clésElectrical impedance tomographyLungMedicineNuclear medicineInterquartile rangeVentilation (architecture)TomographyThorax (insect anatomy)ReproducibilityRadiologyAnatomyMathematicsInternal medicinePhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

Background: The global inhomogeneity (GI) index is a functional electrical impedance tomography (EIT) parameter which is used clinically to assess ventilation distribution. However, GI may underestimate the actual heterogeneity when the size of lung regions is underestimated. We propose a novel method to use anatomical information to correct the GI index calculation. Methods: EIT measurements were performed at the level of the fifth intercostal space in six patients with acute respiratory distress syndrome. The thorax and lungs were segmented automatically from serial individual CT scans. The anatomically derived lung regions were calculated in EIT images from simulating a homogeneous ventilation distribution in a finite element model. The conventional approach (GImeas,func), analyzes images in functionally-defined lung regions, while our proposed measure (GImeas,anat) is based on analysis in anatomically-defined regions. We additionally define a simulated comparison (GIsim,anat) to determine the lower limit of the GI measure for a homogenous distribution of ventilation. Results: As expected, the conventional GImeas,func [0.382 (0.088), median (interquartile range)] were significantly lower than the proposed GImeas,anat [0.823 (0.152), P<0.05], and were much closer to the lower limit GIsim,anat [0.343 (0.039)]. Both GImeas,anat and GImeas,func were strongly correlated with arterial oxygen partial pressure to fractional inspired oxygen ratio (R=−0.88, P<0.05), whereas GIsim,anat (R=0.23) was not. GImeas,anat had a linear-regression slope 3.2 times that of GImeas,func suggesting a higher sensitivity to the changes in lung condition. Conclusions: The proposed GImeas,anat (or shortened as GIanat) is an improved measure of ventilation inhomogeneity over GI, and better reflects portion of non-ventilated regions due to alveolar collapse or overdistension.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,260
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuantitative Imaging in Medicine and SurgeryMême sujetElectrical and Bioimpedance TomographyTravaux en français237 207