Notice bibliographique
Résumé
IPF is a clinically and radiologically heterogenous condition. AIQCT is a novel tool developed, in part, to account for the interobserver variability seen when reporting parenchymal abnormalities on CT in IPF. Handa et al (Ann Am Thorac Soc 2022;19:399) used AIQCT in a training cohort of 304 CTs from patients with IPF to derive prognostic features, and then applied to 120 consecutively enrolled patients in a validation cohort. Patients required paired pulmonary function tests within 3 months of scanning, and scans could not demonstrate pleural effusion, pneumomediastinum or acute exacerbation of IPF (AE-IPF). Correlation coefficients outperformed those of texture-based analysis methods (p0.001 for 7/9 radiographic patterns), such as Canadian Laboratory Initiative on Paediatric Intervals, and reflects the reliability of AIQCT for quantification of lung abnormalities seen in other studies of the modality. Strengths of this protocol include the ability to differentiate traction bronchodilatation from honeycombing, and the automatic volumetric measurement of airways to include peripheral airways. AIQCT not only reliably identifies lung parenchymal patterns but also bronchial and central airways volumes. Multivariate Cox regression analysis including gender-age physiology staging found that bronchial volume (ie, the presence of traction bronchodilatation) and normal (non-interstitial lung disease (ILD)) lung volumes were independent prognostic factors in IPF (HRs 1.33, 95% CI 1.16 to 1.53, and 0.97, 95% CI 0.94 to 0.99, respectively). This study demonstrates the potential for novel software to enhance clinical care by providing better information to clinicians on longer-term outcomes but it requires further research prior to adoption into clinical practice.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,100 | 0,002 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».