MétaCan
Menu
Retour à la cohorte
Enregistrement W4386046878 · doi:10.1017/s1047951123003037

Echocardiographic image collection and evaluation in infants with CHD: lessons learned from the imaging core lab for the Residual Lesion Score study

2023· article· en· W4386046878 sur OpenAlexaff
Jami C. Levine, Steven D. Colan, Felicia Trachtenberg, Edward Marcus, Matthew Ferguson, Anitha Parthiban, Carolyn L. Taylor, Andréea Dragulescu, Benjamin H. Goot, Ronald V. Lacro, Carol McFarland, Shanthi Narasimhan, Matthew J. O’Connor, Marcus S. Schamberger, Shubhika Srivistava, Michael D. Taylor, Meena Nathan

Notice bibliographique

RevueCardiology in the Young · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCongenital Heart Disease Studies
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of Health
Mots-clésMedicineResidualLesionHeart diseaseProspective cohort studyCardiac surgeryRadiologySurgeryMedical physicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

core is a novel tool for assessing whether specific residual cardiac lesions after surgery have a measurable impact on outcome. The goal is to understand which residual lesions can be tolerated and which should be addressed prior to leaving the operating room. The Residual Lesion Score study is a large multicentre prospective study designed to evaluate the association of Residual Lesion Score to outcomes in infants undergoing surgery for CHD. This Pediatric Heart Network and National Heart, Lung, and Blood Institute-funded study prospectively enrolled 1,149 infants undergoing 5 different congenital cardiac surgical repairs at 17 surgical centres. Given the contribution of echocardiographic measurements in assigning the Residual Lesion Score, the Residual Lesion Score study made use of a centralised core lab in addition to site review of all data. The data collection plan was designed with the added goal of collecting image quality information in a way that would permit us to improve our understanding of the reproducibility, variability, and feasibility of the echocardiographic measurements being made. There were significant challenges along the way, including the coordination, de-identification, storage, and interpretation of very large quantities of imaging data. This necessitated the development of new infrastructure and technology, as well as use of novel statistical methods. The study was successfully completed, but the size and complexity of the population being studied and the data being extracted required more technologic and human resources than expected which impacted the length and cost of conducting the study. This paper outlines the process of designing and executing this complex protocol, some of the barriers to implementation and lessons to be considered in the design of future studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,169
score de la tête « metaresearch » (Gemma)0,197
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,894

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1690,197
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,004
Communication savante0,0080,007
Science ouverte0,0060,004
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,385
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiology in the YoungMême sujetCongenital Heart Disease StudiesTravaux en français237 207