MétaCan
Menu
Retour à la cohorte
Enregistrement W4283804343 · doi:10.1161/circimaging.122.014283

Cardiac Magnetic Resonance Imaging Techniques and Applications for Pericardial Diseases

2022· review· en· W4283804343 sur OpenAlexaff
Tom Kai Ming Wang, Chadi Ayoub, Michael Chetrit, Deborah Kwon, Christine Jellis, Paul Cremer, Michael A. Bolen, Scott D. Flamm, Allan L. Klein

Notice bibliographique

RevueCirculation Cardiovascular Imaging · 2022
Typereview
Langueen
DomaineMedicine
ThématiquePericarditis and Cardiac Tamponade
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMagnetic resonance imagingPericardiumPericardial effusionMedicineCardiac magnetic resonanceCardiac magnetic resonance imagingRadiologyCardiac imagingCardiology

Résumé

récupéré en direct d'OpenAlex

Cardiac magnetic resonance imaging plays a central role among multimodality imaging modalities in the assessment, diagnosis, and surveillance of pericardial diseases. Clinicians and imagers should have a foundational understanding of the utilities, advantages, and limitations of cardiac magnetic resonance imaging and how they integrate with other diagnostic tools involved in the evaluation and management of pericardial diseases. This review aims to outline the contemporary magnetic resonance imaging sequences used to evaluate the pericardium, followed by exploring the main clinical applications of magnetic resonance imaging for identifying pericardial inflammation, constriction, and effusion.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,020
Tête enseignante GPT0,292
Écart entre enseignants0,272 · 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
GenreSynthèse

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

En bref

Citations48
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation Cardiovascular ImagingMême sujetPericarditis and Cardiac TamponadeTravaux en français237 207