Artificial intelligence-reported chest X-ray findings of culture-confirmed pulmonary tuberculosis in people with and without diabetes
Notice bibliographique
Résumé
Objectives: We applied computer-aided detection (CAD) software for chest X-ray (CXR) analysis to determine if diabetes affects the radiographic presentation of tuberculosis. Methods: From March 2017-July 2018, we consecutively enrolled adults being evaluated for pulmonary tuberculosis in Karachi, Pakistan. Participants had same-day CXR, two sputum mycobacterial cultures, and random blood glucose measurement. We identified diabetes through self-report or glucose >11.1mMol/L. We included participants with culture-confirmed tuberculosis for this analysis. We used linear regression to estimate associations between CAD-reported tuberculosis abnormality score (range 0.00 to 1.00) and diabetes, adjusting for age, body mass index, sputum smear-status, and prior tuberculosis. We also compared radiographic abnormalities between participants with and without diabetes. Results: 63/272 (23%) of included participants had diabetes. After adjustment, diabetes was associated with higher CAD tuberculosis abnormality scores (p < 0.001). Diabetes was not associated with frequency of CAD-reported radiographic abnormalities apart from cavitary disease; participants with diabetes were more likely to have cavitary disease (74.6% vs 61.2% p = 0.07), particularly non-upper zone cavitary disease (17% vs 7.8%, p = 0.09). Conclusions: CAD analysis of CXR suggests diabetes is associated with more extensive radiographic abnormalities and with greater likelihood of cavities outside upper lung zones.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».