Axial Spondyloarthritis: Does Magnetic Resonance Imaging Classification Improve Report Interpretation
Notice bibliographique
Résumé
OBJECTIVE: The interpretation of magnetic resonance imaging (MRI) reports is crucial for the diagnosis of axial spondyloarthritis, but the subjective nature of narrative reports can lead to varying interpretations. This study presents a validation of a novel MRI reporting system for the sacroiliac joint in clinical practice. METHODS: A historical review was conducted on 130 consecutive patients referred by 2 rheumatologists for initial MRI assessment of possible axial spondyloarthritis. The original MRI reports were interpreted by the rheumatologists and the radiologist who originally read the images and then categorized according to the novel system. Two musculoskeletal radiologists then reinterpreted the original MRI scans using the new system, and the resulting reports were interpreted and categorized by the same rheumatologists. The quality of the new framework was assessed by comparing the interpretations of both reports. RESULTS: Ninety-two patients met the study criteria. The rheumatologists disagreed on the categorization of the original MRI reports in 12% of cases. The rheumatologists and original radiologists disagreed on the categorization of the initial report in 23.4% of cases. In contrast, there was 100% agreement between the rheumatologists and radiologists on the categorization of the new MRI report. CONCLUSION: The new MRI categorization system significantly improved the agreement between the clinician and radiologist in report interpretation. The system provided a standard vocabulary for reporting, reduced variability in report interpretation, and may therefore improve clinical decision-making.
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 | 0,003 |
| 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 ».