Lung ultrasound score for the assessment of lung aeration in ARDS patients: comparison of two approaches
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Purpose A 4-step lung ultrasound (LUS) score has been previously used to quantify lung density. We compared 2 versions of this scoring system for distinguishing severe from moderate loss of aeration in ARDS: coalescence-based score (cLUS) vs. quantitative-based score (qLUS – >50% pleura occupied by artefacts). Materials and Methods We compared qLUS and cLUS to lung density measured by quantitative CT scan in 12 standard thoracic regions. A simplified approach (1 scan per region) was compared to an extensive one (regional score computed as the mean of all relevant intercostal space scores). Results We examined 13 conditions in 7 ARDS patients (7 at PEEP 5, 6 at PEEP 15 cmH2O-156 regions, 398 clips). Switching from cLUS to qLUS resulted in a change in interpretation in 117 clips (29.4%, 1-point reduction) and in 41.7% of the regions (64 decreases (range 0.2–1), 1 increase (0.2 points)). Regional qLUS showed very strong correlation with lung density (rs=0.85), higher than cLUS (rs=0.79; p=0.010). The agreement with CT classification in well aerated, poorly aerated, and not aerated tissue was moderate for cLUS (agreement 65.4%; Cohen’s K coefficient 0.475 (95%CI 0.391–0.547); p<0.0001) and substantial for qLUS (agreement 81.4%; Cohen’s K coefficient 0.701 (95%CI 0.653–0.765), p<0.0001). The agreement between single spot and extensive approaches was almost perfect (cLUS: agreement 89.1%, Cohen’s kappa coefficient 0.840 (95%CI 0.811–0.911), p<0.0001; qLUS: agreement 86.5%, Cohen’s kappa coefficient 0.819 (95%CI 0.761–0.848), p<0.0001). Conclusion A LUS score based on the percentage of occupied pleura performs better than a coalescence-based approach for quantifying lung density. A simplified approach performs as well as an extensive one.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 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 découle