Harmonized Assessment and Quality Control of Quantitative Measures of Lung Structure on Pre-pandemic Cardiac and Lung Computed Tomography (CT) Scans for Large-scale Investigation of Risk of Long COVID-19: The Collaborative Cohort of Cohorts for COVID-19 Research (C4R)
Notice bibliographique
Résumé
Abstract RATIONALE: Susceptibility to severe COVID-19 and long COVID may be influenced by pre-existing lung structure. ECG-gated, non-contrast cardiac CT scans, originally acquired for assessing coronary artery calcium, are available in multiple longitudinal cohort studies and have been previously validated against lung CT scans for densitometry; however, protocol variation across cohorts may hinder direct comparison. To address this, we developed a quality control (QC) rubric to grade cardiac CT scans for standardized quantitative lung measures across cohorts. METHODS: C4R assessed SARS-CoV-2 infection and outcomes in 14 NHLBI cohorts, of which 10 (six community-based and four longitudinal case-control studies) included CT scans (12,459 participants with lung and 13,752 with cardiac CTs). Logic rules were applied to categorize scans (Table): Grade “A-B” scans had 2-3.5mm slice thickness, at least 20 axial slices, no lung cropping in axial view and lung and airway volumes greater than the cohort-specific 1st percentile. “C-D” scans had one lung obscured by cropping around the heart, so quantitative measures were restricted to the lung in complete view. “F-H” scans were deemed unusable, suffering from low slice count (<20), severe image cropping, low lung or airway volumes (< 1st%ile). Visual inspection was performed on a sample from each category to ensure accuracy. Percent of lung voxels in low attenuation areas < -950 HU (LAA950), high attenuation areas (-600 to -250 HU, HAA) and 15th percentile HU value (perc15) were measured. Within-participant variability was quantified using the intraclass correlation coefficient (ICC). RESULTS: We performed QC on cardiac CT scans from an initial sample of 6,275 participants from three C4R cohorts (ARIC, CARDIA, MASALA), imaged with GE or Siemens scanners. Of these, 5,125 (81.7%) were graded “A-B”, 496 (7.9%) were “C-D” and 654 (10.4%) were “F-H”. The percentage of “F-H” scans varied widely across cohorts [<1% to 26%] due to image cropping. Among the 5,621 cardiac CT scans graded A-D, the mean±SD for LAA950, HAA and perc15 respectively were 1.1±2.1%, 7.2±4.7% and -887±33 HU. Repeated imaging was available for 107 participants (time interval 5.1±0.7y). For paired scans in grades A-B (n=101/107), the within-participant correlation for LAA950, HAA and perc15 were 0.91, 0.38 and 0.74 respectively. CONCLUSION: Initial application of QC to cardiac CT scans identified scans with high reproducibility, with the aim to provide valid quantitative lung metrics on over 20,000 highly characterized participants in C4R.
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 | 0,153 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».