MétaCan
Menu
Retour à la cohorte
Enregistrement W4395046933 · doi:10.2196/51743

Chest X-Ray–Based Telemedicine Platform for Pediatric Tuberculosis Diagnosis in Low-Resource Settings: Development and Validation Study

2024· article· en· W4395046933 sur OpenAlexvenueno aff
Juan J. Gómez-Valverde, Ramon Sanchez, José Luis Ribó, H. Simon Schaaf, Lara García Delgado, Alicia Hernanz‐Lobo, Daniel Capellán-Martín, Ángel Lancharro, Orvalho Augusto, Alberto L. García‐Basteiro, Begoña Santiago, Elisa López‐Varela, María J. Ledesma‐Carbayo

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 diagnosis using AI
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundHorizon 2020 Framework ProgrammeEuropean and Developing Countries Clinical Trials PartnershipMinisterio de Ciencia e InnovaciónAgencia Estatal de InvestigaciónUniversidad Politécnica de Madrid
Mots-clésTuberculosisMedicineTelemedicineLimited resourcesIntensive care medicineMedical emergencyPediatricsHealth carePathologyRisk analysis (engineering)Economic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Tuberculosis (TB) remains a major cause of morbidity and death worldwide, with a significant impact on children, especially those under the age of 5 years. The complex diagnosis of pediatric TB, compounded by limited access to more accurate diagnostic tests, underscores the need for improved tools to enhance diagnosis and care in resource-limited settings. OBJECTIVE: This study aims to present a telemedicine web platform, BITScreen PTB (Biomedical Image Technologies Screen for Pediatric Tuberculosis), aimed at improving the evaluation of pulmonary TB in children based on digital chest x-ray (CXR) imaging and clinical information in resource-limited settings. METHODS: The platform was evaluated by 3 independent expert readers through a retrospective assessment of a data set with 218 imaging examinations of children under 3 years of age, selected from a previous study performed in Mozambique. The key aspects assessed were the usability through a standardized questionnaire, the time needed to complete the assessment through the platform, the performance of the readers to identify TB cases based on the CXR, the association between the TB features identified in the CXRs and the initial diagnostic classification, and the interreader agreement of the global assessment and the radiological findings. RESULTS: The platform's usability and user satisfaction were evaluated using a questionnaire, which received an average rating of 4.4 (SD 0.59) out of 5. The average examination completion time ranged from 35 to 110 seconds. In addition, the study on CXR showed low sensitivity (16.3%-28.2%) but high specificity (91.1%-98.2%) in the assessment of the consensus case definition of pediatric TB using the platform. The CXR finding having a stronger association with the initial diagnostic classification was air space opacification (χ21>20.38, P<.001). The study found varying levels of interreader agreement, with moderate/substantial agreement for air space opacification (κ=0.54-0.67) and pleural effusion (κ=0.43-0.72). CONCLUSIONS: Our findings support the promising role of telemedicine platforms such as BITScreen PTB in enhancing pediatric TB diagnosis access, particularly in resource-limited settings. Additionally, these platforms could facilitate the multireader and systematic assessment of CXR in pediatric TB clinical 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)0,009
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,315
Écart entre enseignants0,285 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetCOVID-19 diagnosis using AITravaux en français237 207