Chest radiography or computed tomography for COVID-19 pneumonia? Comparative study in a simulated triage setting
Notice bibliographique
Résumé
INTRODUCTION: For the management of patients referred to respiratory triage during the early stages of the severe acute respiratory syndrome coronavirus type 2 (SARS-CoV-2) pandemic, either chest radiography or computed tomography (CT) were used as first-line diagnostic tools. The aim of this study was to compare the impact on the triage, diagnosis and prognosis of patients with suspected COVID-19 when clinical decisions are derived from reconstructed chest radiography or from CT. METHODS: We reconstructed chest radiographs from high-resolution CT (HRCT) scans. Five clinical observers independently reviewed clinical charts of 300 subjects with suspected COVID-19 pneumonia, integrated with either a reconstructed chest radiography or HRCT report in two consecutive blinded and randomised sessions: clinical decisions were recorded for each session. Sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV) and prognostic value were compared between reconstructed chest radiography and HRCT. The best radiological integration was also examined to develop an optimised respiratory triage algorithm. RESULTS: =0.654, p<0.001) by the CT-based protocol. NPV assisted by reconstructed chest radiography (31.4%) was lower than that of HRCT (77.9%). In case of indeterminate or typical radiological appearance for COVID-19 pneumonia, extent of disease on reconstructed chest radiography or HRCT were the only two imaging variables that were similarly linked to mortality by adjusted multivariable models CONCLUSIONS: The present findings suggest that clinical triage is safely assisted by chest radiography. An integrated algorithm using first-line chest radiography and contingent use of HRCT can help optimise management and prognostication of COVID-19.
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».