Assessment of Inter-Reader Reliability of Fazekas Scoring on Magnetic Resonance Imaging of the Brain in Adult Patients with Sickle Cell Disease
Notice bibliographique
Résumé
Background/Objectives: Cerebral white matter disease is a common finding in patients with sickle cell that has been linked to cognitive impairment. However, there is no standardized approach for quantification of the cerebral disease burden. The Fazekas score is widely used to quantify the burden of white matter disease in chronic small vessel disease. However, its utility in sickle cell disease, specifically the inter-rater variability, has not been established. Methods: A patient cohort was compiled for the purpose of a research ethics board (REB)-approved retrospective study of adult patients with sickle cell disease, each of whom underwent MRI/MRA between the years 2017 and 2019. A total of 90 such patients were captured. All MRI/MRA studies were performed on three Tesla MRIs. Two independent neuroradiologists assessed the axial FLAIR MRI brain sequence (see image 1) for each of the 90 patients, with the sole focus of assigning a Fazekas score (0–3) to each study as a means of quantifying the burden of ischemic white matter lesions. The neuroradiologists were blinded to the scoring assigned by their counterpart and to the clinical information. After the initial assessment was completed, studies with discrepant Fazekas scores were documented and discussed by both readers. A consensus Fazekas score was then assigned to each of these studies. Results: Cohen’s weighted kappa was used as a measure of agreement between readers. The expected agreement was 74.65%, with an observed agreement of 94.44% between readers, with a kappa of 0.7808. Conclusions: We conclude on the basis of our study that there is good inter-reader reliability of Fazekas scoring on axial FLAIR MRI brain sequence in patients with sickle cell disease. The Fazekas is a promising measure that could easily be integrated in systematic evaluation of cerebrovascular lesions of adults with sickle cell disease.
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 | 0,040 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».