Clinical performance of lung ultrasound in predicting ARDS morphology
Notice bibliographique
Résumé
Abstract Background To assess diagnostic performance of lung ultrasound (LUS) in identifying ARDS morphology (focal vs non-focal), compared with the gold standard computed tomography. Methods Mechanically ventilated ARDS patients undergoing lung computed tomography and ultrasound were enrolled. Twelve fields, were evaluated. LUS score was graded from 0 (normal) to 3 (consolidation) according to B-lines extent. Total and regional LUS score as the sum of the four ventral (LUS V ), intermediate (LUS I ) or dorsal (LUS D ) fields, were calculated. Based on lung CT, ARDS morphology was defined as (1) focal (loss of aeration with lobar distribution); (2) non-focal (widespread loss of aeration or segmental loss of aeration distribution associated with uneven lung attenuation areas), and diagnostic accuracy of LUS in discriminating ARDS morphology was determined by AU-ROC in training and validation set of patients. Results Forty-seven patients with ARDS (25 training set and 22 validation set) were enrolled. LUS TOT , LUS V and LUS I but not LUS D score were significantly lower in focal than in non-focal ARDS morphologies ( p < .01). The AU-ROC curve of LUS TOT , LUS V , LUS I and LUS D for identification of non-focal ARDS morphology were 0.890, 0.958, 0.884 and 0.421, respectively. LUS V value ≥ 3 had the best predictive value (sensitivity = 0.95, specificity = 1.00) in identifying non-focal ARDS morphology. In the validation set, an LUS V score ≥ 3 confirmed to be highly predictive of non-focal ARDS morphology, with a sensitivity and a specificity of 94% and 100%. Conclusions LUS had a valuable performance in distinguishing ARDS morphology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».