Combined modality PET/MR for the detection of severe large vessel vasculitis
Notice bibliographique
Résumé
BACKGROUND: Large vessel vasculitis (LVV) can be characterized based on symptom severity, and this characterization helps clinicians decide upon treatment approach. Our aim was to compare the imaging findings of combined modality positron emission tomography/magnetic resonance (PET/MR) and inflammatory markers between severe and non-severe LVV. A retrospective query was performed to identify all patients with LVV who underwent PET/MR at our institution between January 2015 and January 2021. RESULTS: Eleven patients (nine females; age 62.2 ± 16.4 years) underwent 15 PET/MR scans. Positivity was defined by findings indicative of active LVV on each modality: PET positive if vessel metabolic activity > liver metabolic activity; MR positive if wall thickening or contrast enhancement. When positive PET or positive MR findings were considered a positive scan, LVV patients with severe disease (n = 9 scans) showed a higher number of positive scans (n = 9) compared to the number of positive scans in non-severe patients (n = 3) (p < 0.05). The sensitivity and specificity for the detection of severe LVV were 1.00 and 0.50, respectively. When only the presence of both positive PET and positive MR findings were considered a positive scan, inflammatory marker levels were not significantly different between severe and non-severe LVV groups (severe: erythrocyte sedimentation rate (ESR) = 9.8 ± 10.6 mm/h; C-reactive protein (CRP) = 0.6 ± 0.4 mg/dL) (non-severe: ESR = 14.3 ± 22.4 mm/h; CRP = 0.5 ± 0.6 mg/dL). Blood- and liver-normalized maximum standardized uptake values were not significantly different between severe and non-severe patients (1.4 ± 0.3 vs 1.5 ± 0.4; 1.1 ± 0.4 vs 1.0 ± 0.3, respectively). CONCLUSIONS: F-fluorodeoxyglucose PET/MR may be able to supplement clinical symptoms-based LVV classification decisions and may be helpful when clinical symptoms overlap with other disease processes.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».