Piloting a training program in computed tomography skeletal muscle assessment for registered dietitians
Notice bibliographique
Résumé
Abstract Background Consensus definitions for disease‐associated malnutrition and sarcopenia include reduced skeletal muscle mass as a diagnostic criterion. There is a need to develop and validate techniques to assess skeletal muscle in clinical practice. Skeletal muscle mass can be precisely quantified from computed tomography (CT) images. This pilot study aimed to train registered dietitians (RDs) to complete precise skeletal muscle measurements using CT. Methods Purposive sampling identified RDs employed in clinical areas in which CT scans are routinely performed. CT training included (1) a 3‐Day training session focused on manual segmentation of skeletal muscle cross‐sectional areas (cm2, centimeter squared) from abdominal CT images at the third lumbar vertebra (L3), using sliceOmatic® software, and (2) a precision assessment to quantify the intraobserver and interobserver precision error of repeated skeletal muscle measurements (30 images in duplicate). Precision error is reported as the root mean standard deviation (cm2) and percent coefficient of variation (%CV), our primary performance indicator, was defined as a precision error of <2%. Results Five RDs completed CT training. RDs were from three clinical areas: cancer care (N = 1), surgery (N = 2), and critical care (N = 1). RDs' precision error was low and below the minimal acceptable error of <2%; intraobserver error was ≤1.8 cm2 (range, 0.8–1.8 cm2) or ≤1.5% (range, 0.8%–1.5%) and interobserver error was 1.2 cm2 or 1.1%. Conclusion RDs can be trained to perform precise CT skeletal muscle measurements. Increasing capacity to assess skeletal muscle is a first step toward developing this technique for use in clinical practice.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».