The Role of a Virtual Noncalcium Dual-Energy CT Application in the Detection of Bone Marrow Edema in Peripheral Osteomyelitis
Notice bibliographique
Résumé
Purpose: To determine the sensitivity and specificity of dual-energy CT (DECT) virtual noncalcium images (VNCa) with bone and soft tissue reconstructions in the diagnosis of osteomyelitis. Materials & Methods: Between December 1, 2014 to December 1, 2020, 91 patients who had 99 DECT performed for a clinical indication of osteomyelitis with corresponding MRI, triphasic bone scan and/or white blood cell scintigraphy with CT/SPECT performed either 2 weeks before or 1 month after the DECT were retrospectively identified. The presence or absence of osteomyelitis was established using a second imaging test, bone biopsy or surgery. Two radiologists interpreted VNCa images alone and with bone and soft tissue reconstructions for osteomyelitis. Fleiss k statistics was used to assess inter-level agreement. Results: Osteomyelitis was present in 26 cases (26.2%), of which 4 cases (4%) had co-existing septic arthritis. DECT was performed at the following sites: ankle/foot (n = 59), calf (n = 12), knee (n = 3), thigh (n = 7), hip (n = 9), pelvis (n = 6), wrist/hand (n = 1), and shoulder (n = 2). Sensitivity with VNCa images alone was 53.8% and 73.1% and specificity was 84.9% and 71.2%. Sensitivity with VNCa images and bone and soft tissue reconstructions was 80.8% and 80.8% and specificity was 80.8% and 72.6%. Interobserver agreement was 76.7% (76 of 99 cases), for VNCa images alone (k = .487), and 66.7% (66 of 99 patients) for bone and soft tissue reconstructions with VNCa images together (k = .390). Conclusion: When VNCa images were combined with bone and soft tissue reconstructions, there is improved sensitivity in the diagnosis of osteomyelitis.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».