The Role of Dual-Energy CT in Solid Organ Injury
Notice bibliographique
Résumé
The liver, spleen, and kidneys are the commonest injured solid organs in blunt and penetrating trauma. The American Association for the Surgery of Trauma (AAST) Organ Injury Scale (OIS) is the most widely accepted system for categorizing traumatic injuries. Grading systems allow clear communication of findings between clinical teams and assign a measurable severity of injury, which directly correlates with morbidity and mortality. The 2018 revised AAST OIS emphasizes reliance on CT for accurate grading; in particular regarding vascular injuries. Dual-Energy CT (DECT) has emerged as a promising tool with multiple clinical applications already demonstrated. In this review article, we summarize the basic principles of CT attenuation to refresh the minds of our readers and we scrutinize DECT's technology as opposed to conventional Single-Energy CT (SECT). This is followed by outlining the benefits of various DECT postprocessing techniques, which authors of this article refer to as the 3Ms (Mapping of Iodine, Material decomposition, and Monoenergetic virtual imaging), in aiding radiologists to confidently assign an OIS as well as problem solve complex injury patterns. In addition, a thorough discussion of changes to the revised AAST OIS focusing on definitions of key terms used in reporting injuries is described.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».