MétaCan
Menu
Retour à la cohorte
Enregistrement W4406167752 · doi:10.1016/j.ostima.2024.100260

Wireless vs. traditional ultrasound assessed knee cartilage outcomes utilizing automated gain and normalization techniques

2025· article· en· W4406167752 sur OpenAlexaff
Arjun Parmar, Corey D. Grozier, Robert Dima, Jessica Tolzman, Ilker Hacihaliloglu, Kenneth L. Cameron, Ryan Fajardo, Matthew S. Harkey

Notice bibliographique

RevueOsteoarthritis Imaging · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensUniversity of British ColumbiaWestern University
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin Diseases
Mots-clésNormalization (sociology)UltrasoundComputer scienceWirelessMedicineBiomedical engineeringRadiologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Advancements in wireless ultrasound technology allow for point of care cartilage imaging, yet validation against traditional ultrasound units remains to be established for knee cartilage outcomes. Therefore, the purpose of our study was to establish the replicability, reliability and agreement, of articular cartilage thickness and echo-intensity measures between traditional and wireless ultrasound units utilizing automatic-gain and normalization techniques. We used traditional and wireless ultrasound to assess the femoral cartilage via transverse suprapatellar scans with the knee in maximum flexion in 71 female NCAA Division I athletes (age: 20.0±1.3 years, height: 171.7±8.7 cm, mass: 69.4±11.0 kg). Wireless ultrasound images (auto-gain and standard gain) were compared to traditional ultrasound images (standard gain) before and after normalization. Ultrasound image pixel values were algebraically scaled to normalize differences between units in image acquisition. Mean thickness and echo-intensity of the global and sub-regions of interest were measured across imaging parameters. Intraclass correlation coefficients (ICC 2, k ) for reliability, standard error of the measurement, minimum detectable difference, and Bland-Altman plots for agreement were calculated between ultrasound units across imaging parameters. Cartilage thickness demonstrated good to excellent reliability (ICC 2,k =0.83–0.95) and minimal bias (-0.06–0.03 mm), in all regions regardless of gain and normalization. However, mean echo-intensity demonstrated poor to moderate reliability (ICC 2,k =0.23–0.68) and moderate bias (-9.8–6.5 au) in all regions, regardless of gain and normalization. While there was a high level of replicability between units when assessing cartilage thickness, further research in ultrasound beam forming may lead to improvements in replicability of cartilage echo-intensity between ultrasound units.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,265
Écart entre enseignants0,254 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOsteoarthritis ImagingMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207