MétaCan
Menu
Retour à la cohorte
Enregistrement W4362671370 · doi:10.3389/fneur.2023.1170955

Validation of two automated ASPECTS software on non-contrast computed tomography scans of patients with acute ischemic stroke

2023· article· en· W4362671370 sur OpenAlexaboutno aff
Zhongping Chen, Zhen-Zhen Shi, Fei Lu, Linna Li, Mingyang Li, Shuo Wang, Wenxin Wang, Yongxin Li, Yu Luo, Dan Tong

Notice bibliographique

RevueFrontiers in Neurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesPeople's Government of Jilin Province
Mots-clésComputed tomographyMedicineContrast (vision)Stroke (engine)Ischemic strokeAcute strokeRadiologyMedical physicsIschemiaInternal medicineComputer scienceArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose The Alberta Stroke Program Early Computed Tomography Score (ASPECTS) was designed for semi-quantitative assessment of early ischemic changes on non-contrast computed tomography (NCCT) for acute ischemic stroke (AIS). We evaluated two automated ASPECTS software in comparison with reference standard. Methods NCCT of 276 AIS patients were retrospectively reviewed (March 2018–June 2020). A three-radiologist consensus for ASPECTS was used as reference standard. Imaging data from both baseline and follow-up were evaluated for reference standard. Automated ASPECTS were calculated from baseline NCCT with 1-mm and 5-mm slice thickness, respectively. Agreement between automated ASPECTS and reference standard was assessed using intra-class correlation coefficient (ICC). Correlation of automated ASPECTS with baseline stroke severity (NIHSS) and follow-up ASPECTS were evaluated using Spearman correlation analysis. Results In score-based analysis, automated ASPECTS calculated from 5-mm slice thickness images agreed well with reference standard (software A: ICC = 0.77; software B: ICC = 0.65). Bland–Altman analysis revealed that the mean differences between automated ASPECTS and reference standard were ≤ 0.6. In region-based analysis, automated ASPECTS derived from 5-mm slice thickness images by software A showed higher sensitivity (0.60 vs. 0.54), lower specificity (0.91 vs. 0.94), and higher AUC (0.76 vs. 0.74) than those using 1-mm slice thickness images (p < 0.05). Automated ASPECTS derived from 5-mm slice thickness images by software B showed higher sensitivity (0.56 vs. 0.51), higher specificity (0.87 vs. 0.81), higher accuracy (0.80 vs. 0.73), and higher AUC (0.71 vs. 0.66) than those using 1-mm slice thickness images (p < 0.05). Automated ASPECTS were significantly associated with baseline NIHSS and follow-up ASPECTS. Conclusion Automated ASPECTS showed good reliability and 5 mm was the optimal slice thickness.

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)0,008
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,224
Écart entre enseignants0,220 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207