MétaCan
Menu
Retour à la cohorte
Enregistrement W4230649743 · doi:10.1148/radiol.2020201365

The Role of Chest Imaging in Patient Management during the COVID-19 Pandemic: A Multinational Consensus Statement from the Fleischner Society

2020· article· en· W4230649743 sur OpenAlexaff
Geoffrey D. Rubin, Christopher J. Ryerson, Linda B. Haramati, Nicola Sverzellati, Jeffrey P. Kanne, Suhail Raoof, Neil W. Schluger, Annalisa Volpi, Jae‐Joon Yim, Ian B.K. Martin, Deverick J. Anderson, Christina S. Kong, Talissa A. Altes, Andrew Bush, Sujal R. Desai, onathan Goldin, Jin Mo Goo, Marc Humbert, Yoshikazu Inoue, Hans‐Ulrich Kauczor, Fengming Luo, Peter J. Mazzone, Mathias Prokop, Martine Rémy‐Jardin, Luca Richeldi, Cornelia Schaefer‐Prokop, Noriyuki Tomiyama, Athol U. Wells, Ann N. Leung

Notice bibliographique

RevueRadiology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 diagnosis using AI
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineContext (archaeology)Intensive care medicinePandemicHealth careDiseasePersonal protective equipmentDisease managementCoronavirus disease 2019 (COVID-19)Emergency medicineInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

With more than 900 000 confirmed cases worldwide and nearly 50 000 deaths during the first 3 months of 2020, the coronavirus disease 2019 (COVID-19) pandemic has emerged as an unprecedented health care crisis. The spread of COVID-19 has been heterogeneous, resulting in some regions having sporadic transmission and relatively few hospitalized patients with COVID-19 and others having community transmission that has led to overwhelming numbers of severe cases. For these regions, health care delivery has been disrupted and compromised by critical resource constraints in diagnostic testing, hospital beds, ventilators, and health care workers who have fallen ill to the virus exacerbated by shortages of personal protective equipment. Although mild cases mimic common upper respiratory viral infections, respiratory dysfunction becomes the principal source of morbidity and mortality as the disease advances. Thoracic imaging with chest radiography and CT are key tools for pulmonary disease diagnosis and management, but their role in the management of COVID-19 has not been considered within the multivariable context of the severity of respiratory disease, pretest probability, risk factors for disease progression, and critical resource constraints. To address this deficit, a multidisciplinary panel comprised principally of radiologists and pulmonologists from 10 countries with experience managing patients with COVID-19 across a spectrum of health care environments evaluated the utility of imaging within three scenarios representing varying risk factors, community conditions, and resource constraints. Fourteen key questions, corresponding to 11 decision points within the three scenarios and three additional clinical situations, were rated by the panel based on the anticipated value of the information that thoracic imaging would be expected to provide. The results were aggregated, resulting in five main and three additional recommendations intended to guide medical practitioners in the use of chest radiography and CT in the management 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.

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)0,065
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,343

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,065
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,005
Communication savante0,0050,004
Science ouverte0,0050,006
Intégrité de la recherche0,0100,014
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,029
Tête enseignante GPT0,308
Écart entre enseignants0,279 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations1 127
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetCOVID-19 diagnosis using AITravaux en français237 207