MétaCan
Menu
Retour à la cohorte
Enregistrement W4223945900 · doi:10.1111/jon.12998

Multisite MRI reproducibility of lateral ventricular volume using the NAIMS cooperative pilot dataset

2022· article· en· W4223945900 sur OpenAlexaff
Dejan Jakimovski, Robert Zivadinov, Niels Bergsland, Jiwon Oh, Melissa L. Martin, Russell T. Shinohara, Rohit Bakshi, Peter A. Calabresi, Nico Papinutto, Daniel Pelletier, Michael G. Dwyer

Notice bibliographique

RevueJournal of Neuroimaging · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Neurological Disorders and StrokeNational Institute of Mental HealthNational Institutes of Health
Mots-clésMedicineReproducibilityCutoffNuclear medicineFluid-attenuated inversion recoveryMultiple sclerosisRadiologyMagnetic resonance imagingStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: The North American Imaging in Multiple Sclerosis (NAIMS) multisite project identified interscanner reproducibility issues with T1-based whole brain volume (WBV). Lateral ventricular volume (LVV) acquired on T2-fluid-attenuated inverse recovery (FLAIR) scans has been proposed as a robust proxy measure. Therefore, we sought to determine the relative magnitude of scanner-induced T2-FLAIR-based LVV and T1-based WBV measurement errors in relation to clinically meaningful changes. METHODS: This was a post hoc analysis of the NAIMS pilot dataset in which a relapsing-remitting MS patient with no intrastudy clinical or radiological activity was imaged twice on seven different Siemens scanners across the United States. LVV was determined using the automated NeuroSTREAM technique on T2-FLAIR and WBV was determined with SIENAX on high-resolution T1-MPRAGE. Average LVV and WBV were measured, and absolute intrascanner and interscanner coefficients of variation (CoVs) were calculated. The variabilities were compared to previously established annual pathological and clinically meaningful cutoffs of 0.40% for WBV and of 3.51% for LVV. RESULTS: Mean LVV across all seven scan/rescan pairs was 45.87 ± 1.15 ml. Average LVV intrascanner CoV was 1.42% and interscanner CoV was 1.78%, both smaller than the reported annualized clinically meaningful cutoff of 3.51%. In contrast, intra- and interscanner CoVs for WBV (0.99% and 1.15%) were both higher than the established cutoff of 0.40%. Individually, 1/7 intrasite and 2/7 intersite pair-wise LVV comparisons were above the 3.51% cutoff, whereas 4/7 intrasite and 7/7 intersite WBV comparisons were above the 0.40% cutoff. CONCLUSION: Fully automated LVV segmentation has higher absolute variability than WBV, but much lower relative variability compared to clinically relevant changes, and may therefore be a meaningful proxy outcome measure of neurodegeneration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,302
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,364
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroimagingMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207