Increased rate of significant findings on brain MRI during the early stage of the COVID-19 pandemic
Notice bibliographique
Résumé
Objectives To assess the effect of the COVID-19 pandemic on the proportion of abnormal paediatric neuroimaging findings as a surrogate marker for potential underutilisation. Methods Consecutive paediatric brain MRIs performed between March 27th and June 19th 2019 (T baseline ) and March 23rd and June 1st 2020 (T pandemic ) were reviewed and classified according to presence or absence and type of imaging abnormality, and graded regarding severity on a 5-point Likert scale, where grade 4 was defined as abnormal finding requiring non-urgent intervention and grade 5 was defined as acute illness prompting urgent medical intervention. Non-parametric statistical testing was used to assess for significant differences between T pandemic vs. T baseline . Results Fewer paediatric MRI brains were performed during T pandemic compared to T baseline (12.2 vs 14.7 examinations/day). No significant difference was found between the two time periods regarding sex and age (T baseline : 557 females (44.63%), 7.95 ± 5.49 years, T pandemic : 385 females (44.61%), 7.64 ± 6.11 years; p = 1 and p = .079, respectively). MRI brain examinations during T pandemic had a higher likelihood of being abnormal, 41.25% vs. 25.32% ( p<.0001). Vascular abnormalities were more frequent during T pandemic (11.01% vs 8.01%, p = .02), congenital malformations were less common (8.34% vs 12.34%, p = .004). Severity of MRI brain examinations was significantly different when comparing group 4 and group 5 individually and combined between T baseline and T pandemic ( p = .0018, p < .0001, and p <.0001, respectively). Conclusions The rate of abnormality and severity found on paediatric brain MRI was significantly higher during the early phase of the pandemic, likely due to underutilisation.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».