MétaCan
Menu
Retour à la cohorte
Enregistrement W4405904963 · doi:10.1002/jmri.29689

<scp>T<sub>2</sub></scp> Clusters Are More Sensitive Than Mean <scp>T<sub>2</sub></scp> Change to Detect Early and Longitudinal Changes in Anterior Cruciate Ligament Reconstructed and Healthy Knees

2024· article· en· W4405904963 sur OpenAlexafffund
Anoosha Pai S, Anthony A. Gatti, Marianne S. Black, Katherine A. Young, Arjun Desai, Marco Barbieri, Jessica L. Asay, Seth L. Sherman, Garry E. Gold, Feliks Kogan, Brian A. Hargreaves, Akshay Chaudhari

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Heart, Lung, and Blood InstituteNational Institutes of HealthCanadian Institutes of Health ResearchStanford University
Mots-clésCartilageMedicineOsteoarthritisAnterior cruciate ligament reconstructionAnterior cruciate ligamentNuclear medicineThresholdingAnatomyPathologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background Post‐traumatic osteoarthritis (PTOA) often follows anterior cruciate ligament reconstruction (ACLR), leading to early cartilage degradation. Change in mean T2 fails to capture subject‐specific spatial–temporal variations, highlighting the need for robust quantitative methods for early PTOA detection and monitoring. Purpose/Hypothesis Develop and apply 3D T2 cluster analysis to ACLR and healthy knees over 2.5 years. Study Type Longitudinal case–control study. Subjects ACLR and contralateral knees of 15 subjects (9 male/6 female, 37.7 ± 10 years) and right knee of 15 matched controls (9 male/6 female, 37.1 ± 12 years) were scanned at 3 weeks, 3, 9, 18, and 30 months post‐ACLR. Sequence 3 T Quantitative double echo steady state sequence. Assessment “T2 cluster analysis” was developed, incorporating registration and thresholding methods to identify and quantify elevated T2 regions (T2 clusters, T2C) in femoral cartilage. Percentage of cartilage covered by T2 clusters (T2C%), mean cluster size (T2Csize), the number of clusters (T2Ccount), and ΔT2Mean (change in mean femoral cartilage T2 relative to visit 1) were computed for all knees. Statistical Tests A linear mixed model assessed knee, time, and knee‐time interaction effects on each outcome metric (P < 0.05), with effect sizes (ηp2) describing the sensitivity of these effects to longitudinal changes. Results T2C% (ηp2 = 0.22), T2Csize, (ηp2 = 0.14), and T2Ccount (ηp2 = 0.51) showed significant and systematic difference between knees (ACLR > contralateral > control). T2C% (ηp2 = 0.24), T2Csize (ηp2 = 0.17), and T2Ccount (ηp2 = 0.11) showed significant longitudinal change across all knees. Specifically, ACLR knees exhibited a significant increase in T2C% (ηp2 = 0.21), T2Csize (ηp2 = 0.13), and a decrease in T2Ccount (ηp2 = 0.07) with time. ΔT2Mean showed significant difference between knees (ηp2 = 0.15), increase with time (ηp2 = 0.04), with no significant knee‐time interaction (ηp2 = 0.00, P = 0.772 [contralateral], P = 0.482 [control]). Conclusion T2C metrics are more sensitive than ΔT2Mean for longitudinal monitoring of femoral cartilage post ACLR. Our findings suggest potential merging of T2 clusters overtime, forming larger areas of cartilage degradation in ACLR knees. Level of Evidence 1 Technical Efficacy Stage 2

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,260
Écart entre enseignants0,247 · 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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207