Computed tomography with clinical scoring to differentiate phytobezoar from feces in childhood small bowel obstruction
Notice bibliographique
Résumé
BACKGROUND: Identification of phytobezoar in childhood small bowel obstruction (SBO) characterized by smallbowel feces sign (SBFS) is still challenging. The aim of our study was to assess the diagnostic performance of quantitative computed tomography (CT) analysis combined with the Acute General Emergency Surgical Severity-Small Bowel Obstruction (AGESS-SBO) scoring system in determining phytobezoar-related SBO. METHODS: Sixteen phytobezoar-related SBO were categorized as the phytobezoar group and the other 19 SBFSpositive SBO was categorized as the control group. Demographic data, clinical presentation, and laboratory and CT findings were collected and analyzed. Each patient`s AGESS-SBO score was determined according to the individual medical record. Multivariate logistic regression analyses were used to identify significant variables associated with phytobezoar-related SBO. Diagnostic performance of key variables was assessed using receiver operating characteristic (ROC) curve analysis. RESULTS: Compared to the control group, the phytobezoar group showed a significantly shorter debris maximal length (3.0 ± 0.5 cm vs. 3.5 ± 0.7 cm, P < 0.05), stronger attenuation (12.6 ± 5.9 HU vs. 8.2 ± 4.0 HU, P < 0.05) in CT, and higher AGESS-SBO scores (4.5 [interquartile (IQR): 4-5]) vs. (2 [IQR: 1-4]). With the combination of debris attenuation (with a cut-off of > 9.0 HU) and AGESS-SBO score (with a cut-off of > 3 points), the positive predictive value (PPV) and negative predictive value (NPV) to diagnose phytobezoar-related SBO were 80% (12/15) and 84% (16/19), respectively. CONCLUSIONS: The diagnostic method of integrating quantitative CT analysis and the AGESS-SBO scoring system can improve the identification accuracy of phytobezoar in SBFS-positive childhood SBO.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».