Radiographic findings in dogs with 360 degrees gastric dilatation and volvulus
Notice bibliographique
Résumé
Gastric dilatation and volvulus (GDV) is a life-threatening emergency that requires urgent intervention. Radiographic features associated with 360-GDV in dogs have not been investigated. The aim of this retrospective observational study is to describe radiographic features and clinical variables in dogs affected with 360-GDV and to report agreement rates between different radiologists. We also report the sensitivity and specificity of radiographs to diagnose 360-GDV in dogs. Confirmed 360-GDV cases were retrieved, and the radiographic findings were compared with dogs presenting with gastric dilatation (GD) and 180-GDV. Images were reviewed and graded by three blinded board-certified radiologists. A total of 16 dogs with confirmed 360-GDV were identified. The median age was 10 years old (2-13 years). The sensitivity for detection of 360-GDV ranged between 43.7% and 50%, and the specificity between 84.6% and 92.1%. Interobserver agreement on final diagnosis was substantial (Kappa = 0.623; 0.487-0.760, 95% CI). The highest agreement rate was in cases of 180-GDV (87%), followed by the GD cases (72%) and 360-GDV (46%). Severe esophageal distension and absence of small intestinal dilation were the only radiographic features specifically associated with 360-GDV. A similar pyloric position was found between GD and 360-GDV. Additional radiographic variables that could help differentiate GD from 360-GDV include the degree of gastric distension and the peritoneal serosal contrast. Two cases with 360-GDV were misdiagnosed by the three radiologists as GD. In conclusion, radiographically, 360-GDV cases can reassemble GD and vice versa. Radiologists and clinicians should be aware of the low sensitivity of radiographs for the detection of 360-GDV.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».