Assessment of activity and severity of inflammatory bowel disease in cross-sectional imaging techniques: a systematic review
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Cross-sectional imaging techniques, including intestinal ultrasonography (IUS), computed tomography enterography (CTE), magnetic resonance enterography (MRE), are increasingly used for the evaluation of inflammatory bowel diseases (IBD). We aimed to systematically review literature evidence on the assessment of disease activity, and/or severity through cross-sectional imaging in IBD patients, and to offer guidance on their most effective utilization. METHODS: We performed a systematic review of PubMed, EMBASE, and Scopus to identify citations pertaining to the assessment of disease activity and/or severity at cross-sectional imaging techniques compared to a reference standard (ie, other radiological techniques, endoscopy, histopathology, and surgery) in IBD patients published until December 2023. RESULTS: Overall, 179 papers published between 1990 and 2023 were included, with a total of 10 988 IBD patients (9304 Crohn's disease [84.7%], 1206 ulcerative colitis [11.0%], 38 IBD-U [0.3%], 440 unspecified [4.0%]). Of the 179 studies, 39 investigated IUS, 22/179 CTE, and 101/179 MRE. In the remaining papers, 2 techniques were addressed together. In 81.6% of the papers, endoscopy (with or without histopathology) was used as a reference standard. All studies included evaluated disease activity, while just over half (100/179, 55.8%) also evaluated disease severity of the addressed cross-sectional methodology. Pooled sensitivity, specificity, and overall accuracy of IUS, MRE, and CTE compared to the reference standard were 60%-99%, 60%-100%, and 70%-99%, respectively. CONCLUSIONS: All cross-sectional imaging techniques demonstrated moderate-to-good accuracy in assessing disease activity and severity of IBD. This finding highlights the potential, especially for MRE and IUS to be widely utilized in managing IBD in both clinical practice and clinical trials.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,015 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».