The argument for utilising magnetic resonance imaging as a tool for monitoring lung structure and function in pediatric patients
Notice bibliographique
Résumé
INTRODUCTION: Although historically challenging to perform in the lung, technological advancements have made Magnetic Resonance Imaging (MRI) increasingly applicable for pediatric pulmonary imaging. Furthermore, a wide array of functional imaging techniques has become available that may be leveraged alongside structural imaging for increasingly sensitive biomarkers, or as outcome measures in the evaluation of novel therapies. AREAS COVERED: In this review, recent technical advancements and modern methodologies for structural and functional lung MRI are described. These include ultrashort echo time (UTE) MRI, free-breathing contrast agent-free, functional lung MRI, and hyperpolarized gas MRI, amongst other techniques. Specific examples of the application of these methods in children are provided, principally drawn from recent research in asthma, bronchopulmonary dysplasia, and cystic fibrosis. EXPERT OPINION: Pediatric lung MRI is rapidly growing, and is well poised for clinical utilization, as well as continued research into early disease detection, disease processes, and novel treatments. Structure/function complementarity makes MRI especially attractive as a tool for increased adoption in the evaluation of pediatric lung disease. Looking toward the future, novel technologies, such as low-field MRI and artificial intelligence, mitigate some of the traditional drawbacks of lung MRI and will aid in improving access to MRI in general, potentially spurring increased adoption and demand for pulmonary MRI in children.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».