MétaCan
Menu
Retour à la cohorte
Enregistrement W4225619356 · doi:10.2215/cjn.14931121

Total Kidney Volume Measurements in ADPKD by 3D and Ellipsoid Ultrasound in Comparison with Magnetic Resonance Imaging

2022· article· en· W4225619356 sur OpenAlexafffund
Pedram Akbari, Fatemah Nasri, Shirley Xiaoxuan Deng, Saima Khowaja, Seung Hwan Lee, W. David Warnica, Hua Lü, Anand Rattansingh, Mostafa Atri, Korosh Khalili, Pei York

Notice bibliographique

RevueClinical Journal of the American Society of Nephrology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and Kidney Cyst Diseases
Établissements canadiensHospital for Sick ChildrenUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineUltrasoundMagnetic resonance imagingEllipsoid3D ultrasoundNuclear medicineEllipsoid methodRadiologyGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Total kidney volume is a validated prognostic biomarker for autosomal dominant polycystic kidney disease. Total kidney volume by magnetic resonance imaging (MRI) and manual segmentation is considered the "reference standard," but it is time consuming and not readily accessible. By contrast, three-dimensional (3D) ultrasound provides a promising technology for total kidney volume measurements with unknown potential. Here, we report a comparative study of total kidney volume measurements by 3D ultrasound versus the conventional methods by ultrasound ellipsoid and MRI ellipsoid. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: This single-center prospective study included 142 patients who completed a standardized 3D ultrasound and MRI. Total kidney volumes by 3D ultrasound and ultrasound ellipsoid were compared with those by MRI. We assessed the agreement of total kidney volume measurements by Bland-Altman plots and misclassification of the Mayo Clinic imaging classes between the different imaging methods, and we assessed prediction of Mayo Clinic imaging classes 1C-1E by average ultrasound kidney length >16.5 cm. RESULTS: Compared with MRI manual segmentation, MRI ellipsoid, 3D ultrasound, and ultrasound ellipsoid underestimated total kidney volume (mean difference: -3%, -9%, and -11%, respectively), with Mayo Clinic imaging classes misclassified in 11%, 21%, and 22% of patients, respectively; most misclassified cases by MRI ellipsoid (11 of 16), 3D ultrasound (23 of 30), and ultrasound ellipsoid (26 of 31) were placed into a lower Mayo Clinic imaging class. Predictions of the high-risk Mayo Clinic imaging classes (1C-1E) by MRI ellipsoid, 3D ultrasound, and ultrasound ellipsoid all yielded high positive predictive value (96%, 95%, and 98%, respectively) and specificity (96%, 96%, and 99%, respectively). However, both negative predictive value (90%, 88%, and 95%, respectively) and sensitivity (88%, 85%, and 94%, respectively) were lower for 3D ultrasound and ultrasound ellipsoid compared with MRI ellipsoid. An average ultrasound kidney length >16.5 cm was highly predictive of Mayo Clinic imaging classes 1C-1E only in patients aged ≤45 years. CONCLUSIONS: Total kidney volume measurements in autosomal dominant polycystic kidney disease by 3D ultrasound and ultrasound ellipsoid displayed similar bias and variability and are less accurate than MRI ellipsoid. Prediction of high-risk Mayo Clinic imaging classes (1C-1E) by all three methods provides high positive predictive value, but ultrasound ellipsoid is simpler to use and more readily available.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,289
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), 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

Citations21
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Journal of the American Society of NephrologyMême sujetGenetic and Kidney Cyst DiseasesTravaux en français237 207