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 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 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».