MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402910041 · doi:10.3168/jds.2024-25186

Choosing the optimal combination of lung lobe evaluation during focused pulmonary ultrasonography in calves

2024· article· en· W4402910041 sur OpenAlexaff
Gabriela Anteveli, Bárbara A. Alves, João Pedro Matiello, Guilherme Silva Lemos, C.S. Oliveira, D L Cruz, Rafael Romero Nicolino, Elias Jorge Facury Filho, Rodrigo Melo Meneses, A.Ú. Carvalho, Sébastien Buczinski, Tiago Facury Moreira

Notice bibliographique

RevueJournal of Dairy Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueFlow Measurement and Analysis
Établissements canadiensUniversité de Montréal
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Minas GeraisSchool of Veterinary Medicine, Louisiana State UniversityUniversidade Federal de Minas GeraisConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésUltrasonographyLobeMedicineRadiologyPathology

Résumé

récupéré en direct d'OpenAlex

Bovine respiratory disease (BRD) poses significant challenges on beef and dairy farms, affecting mortality rates, animal welfare, and production efficiency. Although pulmonary ultrasonography is highly sensitive and specific for monitoring lung lesions and diagnosing BRD, its practical application could be optimized by focusing on the most commonly affected lung lobes. This study first evaluated the efficacy of focused lung ultrasonography for diagnosing BRD in calves, examining individual lung lobes and their associations versus the extensive lung scanning under various disease prevalence scenarios. Then, the relationship between individual and combined clinical respiratory signs versus lung consolidation was analyzed. In a combined analysis, 193 Holstein calves from a longitudinal study and 112 Angus calves from a cross-sectional study underwent a total of 1,265 complete bilateral thoracic ultrasonographic evaluations from 1 to 6 mo of age. Then, the agreement and sensitivity (Se) of specific lung lobe combinations compared with the findings from total lung ultrasonography was assessed. The classification and regression tree (CART) algorithm was used to suggest an optimal examination sequence, and logistic regression was applied to associate specific clinical signs with the presence of lung consolidation, adjusting for breed and calf age. Findings revealed that the most sensitive areas are the cranial (kappa value [κ] = 0.867; Se = 84.7%) and caudal portion of the right cranial lobe (κ = 0.433; Se = 40.3%), the caudal portion (κ = 0.235; Se = 20.6%) of the left cranial lobe, and the middle lobe (κ = 0.25; Se = 22%). The optimal lobe combinations for focused lung ultrasonography were identified as the right cranial lobe paired with either the left cranial lobe or the middle lobe. Focused techniques achieved Se greater than 94% and maintained good agreement. These focused techniques were relatively robust to various true lung consolidation scenarios. The CART analysis recommended initiating examinations with the right cranial lobe, proceeding to the left cranial lobe, and concluding with the middle lobe. Although spontaneous cough was linked to pneumonia presence, reliance on a single clinical sign is not advised due to low Se (26.8%) and high specificity (85.4%); it should merely prompt further ultrasound assessment. In conclusion, focused lung ultrasonography, especially utilizing the right cranial lobe in conjunction with the left cranial lobe or the middle lobe, emerged as an effective strategy for focused pulmonary ultrasonography, preserving the accuracy of the results.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,252
Écart entre enseignants0,237 · 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'étudeObservationnel
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy Science→Même sujetFlow Measurement and Analysis→Travaux en français237 207→