Accuracy, repeatability, reproducibility and reference ranges of primary sclerosing cholangitis specific biomarkers from quantitative MRCP
Notice bibliographique
Résumé
PURPOSE: To assess the repeatability and reproducibility of quantitative MRCP-derived metrics generated from MRCP + software, designed for assessing biliary tree health. METHODS: Metric accuracy was assessed using a 3D-printed phantom containing 20 tubes with sinusoidally-varying diameters, simulating strictures and dilatations along ducts. Data from 80 participants (60 healthy volunteers and 20 with liver disease) was analysed in total. Repeatability and reproducibility of the quantitative metrics were assessed on Siemens, GE and Philips scanners at both 1.5T and 3T. All subjects were scanned on a Siemens Prisma 3T scanner which acted as the reference scanner. A subset of these participants also underwent scanning on the remaining scanners. Data from healthy volunteers was used to estimate the natural range of measured values (reference ranges). The reproducibility coefficient (RC) of 7 commonly reported quantitative metrics were compared between healthy controls and published values in primary sclerosing cholangitis (PSC) patients. RESULTS: The phantom analysis confirmed measurement accuracy with absolute bias of 0.0-0.1 for strictures and 0.1-0.2 for dilatations across all scanners (95% limits of agreement within ± 1.0). In vivo, RCs for the quantitative MRCP-derived metrics across the scanners ranged from: 12.4-25.4 for total number of ducts; 4.9-7.9 for number of dilatations; 3.3-6.5 for number of strictures; 4.6-9.8 mm for total length of dilatations; 26.5-51.7 mm for total length of strictures; and 4.4-6.8 for number of ducts with a stricture or dilatation. Repeatability on the same scanner was generally better than comparisons across scanners. Six metrics demonstrated sufficient cross-scanner reproducibility to distinguish healthy volunteers from PSC patients. CONCLUSION: The precision of quantitative MRCP-derived metrics were sufficient to differentiate PSC and healthy subjects and should be well suited for multi-centre trials and assessment of biliary tree health.
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 | 0,016 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».