Lung ultrasound: A comparison of image interpretation accuracy between curvilinear and phased array transducers
Notice bibliographique
Résumé
Introduction: Both curvilinear and phased array transducers are commonly used to perform lung ultrasound (LUS). This study seeks to compare LUS interpretation accuracy of images obtained using a curvilinear transducer with those obtained using a phased array transducer. Methods: We invited 166 internists and trainees to interpret 16 LUS images/cineloops of eight patients in an online survey: eight curvilinear and eight phased array, performed on the same lung location. Images depicted normal lung, pneumothorax, pleural irregularities, consolidation/hepatisation, pleural effusions and B-lines. Primary outcome for each participant is the difference in image interpretation accuracy scores between the two transducers. Results: A total of 112 (67%) participants completed the survey. The mean paired accuracy score difference between the curvilinear and phased array images was 3.0% (95% CI: 0.6 to 5.4%, P = 0.015). For novices, scores were higher on curvilinear images (mean difference: 5.4%, 95% CI: 0.9 to 9.9%, P = 0.020). For non-novices, there were no differences between the two transducers (mean difference: 1.4%, 95% CI: -1.1 to 3.9%, P = 0.263). For pleural-based findings, the mean of the paired differences between transducers was higher in the novice group (estimated mean difference-in-differences: 9.5%, 95% CI: 0.6 to 18.4%; P = 0.036). No difference in mean accuracies was noted between novices and non-novices for non-pleural-based pathologies (estimated mean difference-in-differences: 0.6%, 95% CI to 5.4-6.6%; P = 0.837). Conclusions: Lung ultrasound images obtained using the curvilinear transducer are associated with higher interpretation accuracy than the phased array transducer. This is especially true for novices interpreting pleural-based pathologies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».