A Novel Algorithm Using Within-leg Calibration for Enhanced Accuracy of Detection of Arthritis by Infrared Thermal Imaging in Children
Notice bibliographique
Résumé
OBJECTIVE: To standardize and improve the accuracy of detection of arthritis by thermal imaging. METHODS: Children with clinically active arthritis in the knee or ankle, as well as healthy controls, were enrolled to the development cohort; another group of children with knee symptoms was enrolled to the validation cohort. Ultrasound was performed in the arthritis subgroup for the development cohort. Joint exam by certified rheumatologists was used as a reference for the validation cohort. Infrared thermal data were analyzed using custom software. Temperature after within-limb calibration (TAWiC) was defined as the temperature differences between joint and ipsilateral mid-tibia. TAWiC of knees and ankles was evaluated using ANOVA across subgroups. Optimal thresholds were determined by receiver-operating characteristic analysis using Youden index. RESULTS: than that when using absolute temperature. Within the validation cohort, the sensitivity of accurate detection of arthritis in the knees using both mean and 95th TAWiC from individual views or all 3 views combined ranged from 0.60 to 0.70, and the specificity was > 0.90 in all views. CONCLUSION: Children with active arthritis or tenosynovitis in knees or ankles exhibited higher TAWiC than healthy joints. Our validation cohort study showed promise for the clinical utility of infrared thermal imaging for arthritis detection.
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 ».