Ultrasound shear wave attenuation in nonalcoholic fatty liver disease: performance of the revisited frequency-shift method with pre-clinical and human datasets
Notice bibliographique
Résumé
Assessment of ultrasound shear wave attenuation (SWA) can increase the accuracy of liver steatosis grading. Recent developments allowed to propose the revisited frequency shift method for SWA imaging. This method was tested on force-fed ducks for foie gras production (n = 6), and a feasibility study on patients with non-alcoholic steatohepatitis (NASH n = 27 + 13 healthy volunteers) was conducted. Liver biopsy and magnetic resonance imaging proton density fat fraction (MRI-PDFF) were available as reference standards. For the human study, shear wave dispersion (SWD) was also computed. A subset of participants had repeated measurements (<1-month) to assess repeatability. The mean SWA (coefficient of variation within the attenuation map) for healthy duck livers were 0.77 (0.66), 1.18 (0.22), and 1.52 Np/m/Hz (0.14), and for fatty duck livers they were higher at 3.13 (0.55), 3.16 (0.24), and 4.84 Np/m/Hz (0.23). Receiver operating characteristic (ROC) curves using biopsy as reference were compared for steatosis grades >0 (>S0), >S1, and >S2. SWA was as good as MRI-PDFF, and both were better than SWD for steatosis grading (p < 0.05). The repeatability of SWA was very good (mean intraclass correlation coefficient of 0.97). In summary, SWA seems promising to become an ultrasound reference standard for steatosis grading in NASH.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».