Quantitative 18F-FDG PET-CT can assess presence and extent of interstitial lung disease in early severe diffuse cutaneous systemic sclerosis
Notice bibliographique
Résumé
Abstract Background This study aimed to assess the quantitative uptake of 18 F-FDG PET-CT in the lungs of patients with early severe diffuse cutaneous systemic sclerosis (SSc) with and without interstitial lung disease (ILD), compared to controls. In patients with SSc-ILD, 18 F-FDG uptake was correlated to high-resolution computed tomography (HRCT) and pulmonary function test (PFT) parameters. Methods A prospective, cross-sectional study was conducted, involving 15 patients with SSc-ILD, 5 patients with SSc without ILD, and 7 controls without SSc. 18 F-FDG PET-CT scans were performed following standardized protocols, and quantitative analysis of tracer uptake was conducted in predefined lung regions. In addition, HRCT scans were evaluated for ILD-related radiologic abnormalities. Between-group differences were compared with non-parametric tests, while correlations with PFT parameters were analyzed using Spearman correlation coefficients. Results 18 F-FDG uptake was mainly increased in the dorsobasal lung fields of patients with SSc-ILD compared to SSc without ILD and controls ( p = 0.03 and p < 0.001, respectively). 18 F-FDG uptake was higher in SSc patients with extensive ILD (≥ 20% vs < 20%, p = 0.04) and correlated with lower DLCO% ( R = -0.59, p = 0.02). Ground-glass opacities, with or without reticulation, corresponded to increased 18 F-FDG uptake. Conclusions 18 F-FDG PET-CT can detect metabolic activity in the lungs of patients with early severe diffuse cutaneous SSc and ILD, correlating with higher ILD extent (≥ 20%) and lower DLCO%. These results suggest the potential utility of 18 F-FDG PET-CT in the early detection of ILD (progression) and aiding in risk stratification.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».