Imaging features and enhancement technique to diagnose and classify intrathoracic Lymphatic-venous malformations: A case report and literature review
Notice bibliographique
Résumé
The diagnosis and treatment of pediatric intrathoracic lymphatic-venous malformations (LVM) can be complex due to their rarity, variable presentation and confusing nomenclature in the literature. The International Society for the Study of Vascular Anomalies (ISSVA) has recently (2018) updated their classification to help guide the correct diagnosis, nomenclature and management of such cases. We present the case of a 12-month-old Caucasian female with a lymph-venous malformation (LVM) classified in the updated ISSVA classification as a combined vascular malformation (CLVM) defined as two or more vascular malformations found in one lesion, associated with an underlying "malformation of an individual named vessel". The patient presented with tachypnea, tachycardia and fever. While all the previous cases underwent surgical treatment, our patient was successfully treated with rapamycin and sclerotherapy. Appropriate imaging can aid in the diagnosis of vascular anomalies and in the proper ISSVA classification, saving the patient the need for a biopsy and allow for proper referral to Multidisciplinary Vascular Anomalies centers. The accurate classification can identify cases that can be treated through Interventional Radiology with sclerosing agents and medical therapy as opposed to surgery.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».