Diagnostic accuracy of thoracic imaging modalities for the detection of COVID-19
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The ongoing coronavirus disease 2019 (COVID-19) pandemic continues to present diagnostic challenges. The use of thoracic radiography has been studied as a method to improve the diagnostic accuracy of COVID-19. The 'Living' Cochrane Systematic Review on the diagnostic accuracy of imaging tests for COVID-19 is continuously updated as new information becomes available for study. In the most recent version, published in March 2021, a meta-analysis was done to determine the pooled sensitivity and specificity of chest X-ray (CXR) and lung ultrasound (LUS) for the diagnosis of COVID-19. CXR gave a sensitivity of 80.6% (95%CI: 69.1-88.6) and a specificity of 71.5% (95%CI: 59.8-80.8). LUS gave a sensitivity rate of 86.4% (95%CI: 72.7-93.9) and specificity of 54.6% (95%CI: 35.3-72.6). These results differed from the findings reported in the recent article in this journal where they cited the previous versions of the study in which a meta-analysis for CXR and LUS could not be performed. Additionally, the article states that COVID-19 could not be distinguished, using chest computed tomography (CT), from other respiratory diseases. However, the latest review version identifies chest CT as having a specificity of 80.0% (95%CI: 74.9-84.3), which is much higher than the previous version which indicated a specificity of 61.1% (95%CI: 42.3-77.1). Therefore, CXR, chest CT and LUS have the potential to be used in conjunction with other methods in the diagnosis of COVID-19.
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.
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 | 0,010 |
| 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 découle