Diffusion-Weighted Magnetic Resonance Imaging of Spinal Infection and Malignancy
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
Background and Purpose. Pyogenic and tuberculous spondylitis can mimic malignancy. The purpose of this study was to deter mine the efficacy of diffusion-weighted magnetic resonance imaging in differentiating spinal infection and malignancy. Methods. Fifty-one consecutive patients with suspected spinal infection or malignancy were enrolled in the study. Apparent diffusion coefficients (ADCs) of paraspinal soft tissue mass and normal and abnormal vertebral bone marrow were determined on the diffusion-weighted magnetic resonance images of the spine. The mean ADCs of normal and abnormal vertebral bodies in patients with confirmed infection or malignancy were compared using nonparametric tests. Results. ADCs of 69 tuberculous, 9 pyogenic, and 50 malignant vertebral marrow lesions were significantly higher than ADCs of normal marrow. ADCs of malignant bone marrow and 5 paraspinal soft tissue lesions were significantly lower than tuberculosis and pyogenic infection. There was no significant difference between the ADCs of 44 adult and 25 pediatric tuberculous bone lesions or between tuberculosis and pyogenic infection. Using the cutoff ADC of 1.02 × 10−3mm2/s for bone marrow, the sensitivity, specificity, and accuracy were 60.26%, 66.00%, and 62.50%, respectively, for distinguishing infection from malignancy. The sensitivity, specificity, and accuracy increased to 94.12%, 82.35%, and 90.20%, respectively, when the ADCs of associated soft tissue lesions were higher than 1.17 × 10−3mm2/s. Conclusions. Diffusion-weighted magnetic resonance imaging has limited usefulness for differentiating spinal infection and malignancy.
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 | 0,000 | 0,000 |
| 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