Clinical Utility of SPECT Neuroimaging in the Diagnosis and Treatment of Traumatic Brain Injury: A Systematic Review
Notice bibliographique
Résumé
Abstract Background The most common assessment modalities to determine the level of injury following a traumatic brain injury (TBI) includes computerized tomography (CT) scans and/or magnetic resonance imaging (MRI). Evidence is mixed as to whether single photon emission computed tomography (SPECT) is specific and accurate in identifying TBI. Objectives This study systematically assessed recent evidence of the clinical utility of SPECT in the diagnosis of TBI and examined the diagnostic accuracy of SPECT in TBI and its performance in comparison to other imaging modalities (e.g., CT and MRI). Methods PubMed, MEDLINE, and Embase databases were systematically searched for published articles from December 2012 to July 2022. Randomized controlled trials (RCTs) and observational studies published in English that used SPECT to evaluate patients with all severity of TBIs were eligible for inclusion. Titles and abstracts were screened, and 111 selected full-text articles were independently screened based on predefined inclusion/exclusion criteria (guided by the Preferred Reporting Items for Systematic Reviews and Meta-Analyses; PRISMA) and assessed for quality using the Newcastle-Ottawa Scale. Results Fourteen eligible studies, all observational, reporting location of lesions on brain SPECT were included, reporting data from 21632 participants of which 20,746 participants were from one study; the remaining 886 participants were from the remaining13 studies. The heterogeneity of the data precludes a meta-analysis. There was no consensus among experts from the thirteen smaller studies; however, the largest study indicated that the specificity of visual readings was 54%. In particular, abnormalities and brain perfusions may lead to false positives. Quantitative analysis theoretically increases the reliability of findings for brain SPECT, but error rates are unknown and not published. Conclusion There is a lack of evidence to support the clinical utility of brain SPECT for the diagnosis and treatment of TBI.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».