EP24.30: Pilot study of intra‐ and interoperator agreement of a proposed image quality scoring system for transvaginal ultrasound images
Notice bibliographique
Résumé
This study aimed to test the intra- and interoperator reliability of a proposed scoring system to quantify TVUS image quality, which could be used in the development of artificial intelligence(AI) tools for diagnosis of endometriosis. A proposed three-point scoring system was developed from review of existing literature and expert assessment. A core of 1-3 was assigned, where 1 = image quality is poor, 2 = image quality is suboptimal and 3= image quality is optimal. If the image was deemed to be inaccurate, it was assigned a score of 0 and rejected. Six raters (two sonologists, two sonographers and two radiologists) assigned 150 images (50 cases [50 uterus and 100 ovaries]) a score of 0-3. This was repeated after a period of at least one week. Interobserver reliability was calculated with an Intraclass correlation coefficient (ICC) and intraobserver reliability was calculated with a weighted kappa (k). Poor levels of interobserver agreement were obtained between all six raters for all 150 images (ICC = .480), and for uterus only (ICC = .359). Moderate levels of agreement were achieved for images of the ovaries (ICC = .531). Agreement between the paired sonologists and sonographers was poor for all images (ICC = .336 and .425) as well as uterus (ICC = .253 and .299) and ovaries (ICC= .400 and .469) only. Moderate levels of agreement were achieved between the paired radiologists overall (ICC = .600) and for the uterus (ICC = .538) and ovaries (ICC = .621). Intraobserver agreement was weak to moderate among each of the raters overall (range k = 0.533-0.718, ICC = 0.636-0.819) and for the ovaries (range k = 0.467-0.751, ICC = 0.596-0.862). Weak to strong agreement was seen for the uterus (range k = 0.568-0.808, ICC = 0.546-0.983). All measures were statistically significant (p < .001). The proposed scoring system produced poor-moderate interobserver reliability and mostly weak to moderate levels of intraobserver reliability. More refinement of the scoring system may be needed to improve reliability.
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 | 0,056 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».