4. Analyzing Endoleaks and Predicting Outcomes after Aneurysm Repair
Notice bibliographique
Résumé
Abdominal aortic aneurysms (AAAs) occur when a large blood vessel, the aorta, which supplies blood to the abdomen, pelvis, and legs, becomes exceedingly large. This can become dangerous as the aneurysm may rupture, and cause internal bleeding. Treatments for AAAs have become increasingly effective, and with proper detection, grafts may be used to surgically fix the aneurysm. Surgeons at The University of Tennessee Medical Center have seen a large variability in the survival and effectiveness of such grafts, and are working with Oak Ridge National Laboratory to help predict the success or failure of an AAA repair. The goal of this research was to analyze and integrate the results of a follow-up study on patients who have had repairs on abdominal aortic aneurysms. The analysis utilized text mining and statistical software. Radiological reports were analyzed initially using a text mining software. Documents clustered based on common words and phrases, and those relating to the occurrence of an endovascular leak (endoleak) were identified. These trends in the text were then tested for statistical significance. A contingency analysis showed a significant difference in endoleak occurrence in the populations with sigmoid diverticulosis and gallstones. Time points for the occurrence for endoleak were also plotted, and trends were identified. The results of this study provide a useful analysis of the patient dataset, and identify significant trends among patients with endoleaks after AAA repair. This study will contribute to the development of multi-modal mathematical models to predict the outcome of an abdominal aortic aneurysm repair.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».