Paranasal sinus occupancy assessed from magnetic resonance images—associations with clinical indicators in patients with systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVES: Nasal, paranasal sinus and mucosal disorders are common symptoms in autoimmune rheumatic diseases. Soft tissue changes and fluid accumulation in the osteomeatal complexes and paranasal sinuses manifest as opaqueness on radiological images which can be assessed using visual scoring and computational methods on CT scans, but their results do not always correlate. Using MRI, we investigate the applicability of different image analysis methods in SLE. METHODS: We assessed paranasal sinus opaqueness on MRI from 51 SLE patients, using three visual scoring systems and expert-delineated computational volumes, and examined their association with markers of disease activity, inflammation, endothelial dysfunction and common small vessel disease (SVD) indicators, adjusting for age and sex-at-birth. RESULTS: The average paranasal sinus volume occupation was 4.55 (6.47%) [median (interquartile range) = 0.67 (0.25-2.65) ml], mainly in the maxillary and ethmoid sinuses. It was highly correlated with Lund-Mackay (LM) scores modified at 50% opaqueness cut-off (Spearman's ρ: 0.71 maxillary and 0.618 ethmoids, P < 0.001 in all), and with more granular variations of the LM system. The modified LM scores were associated with SVD scores (0: B = 5.078, s.e. = 1.69, P = 0.0026; 2: B = -0.066, s.e. = 0.023, P = 0.0045) and disease activity (anti-dsDNA: B = 4.59, s.e. = 2.22, P = 0.045; SLEDAI 3-7: 2.86 < B < 4.30; 1.38 < s.e. < 1.63; 0.0083 ≤ P ≤ 0.0375). Computationally derived percent opaqueness yielded similar results. CONCLUSION: In patients with SLE, MRI computational assessment of sinuses opaqueness and LM scores modified at a 50% cut-off may be useful tools in understanding the relationships among paranasal sinus occupancy, disease activity and SVD markers.
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 | 0,003 |
| 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 ».