Synoptic Reporting of Focal Liver Masses in at Risk Patients
Notice bibliographique
Résumé
OBJECTIVES: Reporting contrast-enhanced ultrasound (CEUS) for focal liver masses in at risk patients is a challenging task. Traditionally used prose reporting (PR) is inconsistent and lacks standardization. We propose synoptic reporting (SR), encompassing algorithmic interpretation and liver imaging and reporting data system (LI-RADS) categorization. METHODS: A software worksheet from Kailo Medical (Melbourne, AU), incorporates the CEUS algorithm for liver interpretation and CEUS LI-RADS categorization. Part 1. Feasibility of SR: twenty participants of varying experience were presented a brief lecture on SR, algorithmic approach to liver mass interpretation, and CEUS LI-RADS categorization. Ten representative liver masses were shown as unknown cases. Participants inputted data into SR worksheets. Results and LI-RADS category were generated solely by SR. Data were categorized as "correct" or "incorrect." Part 2. Prospective Analysis: Ninety-one patients for SR and 56 for PR, all were tested for completeness, efficiency, and user satisfaction. RESULTS: Part 1: Junior participants, pass rate 81.6%, and senior participants, pass rate 83.3% showed no difference in performance. Part 2: Completeness: SR 98.4% and PR 87.0%. Efficiency: Average total time to completion: SR 11 minutes and PR 20 minutes. User satisfaction: Ultrasound technologists, all referring physicians, and six out of seven radiologists preferred SR over PR. Major benefits cited were total time saved, consistency and accuracy in documentation, and report completeness. CONCLUSIONS: SR is a reliable and useful tool in clinical practice to report liver masses on ultrasound and assign an appropriate LI-RADS categorization and management pathway. This ultimately improves communication with referring clinicians and leads to better patient outcomes.
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 | 0,028 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».