MétaCan
Menu
Retour à la cohorte
Enregistrement W4410932540 · doi:10.7759/cureus.85203

Patient Self-Scanning for Lung Ultrasound: A Prospective Observational Study on the Feasibility and Diagnostic Accuracy of a Telemedicine Protocol

2025· article· en· W4410932540 sur OpenAlexaff
Katharine T Clark, Kathleen L. McFadden, Benjamin A Krauss, Lachlan Driver, Irene Ma, Rachel Vivian, Jamie Gullikson, Lauren Selame, Calvin Huang, Andrew S. Liteplo, Hamid Shokoohi

Notice bibliographique

RevueCureus · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineObservational studyProtocol (science)TelemedicineMedical physicsLung ultrasoundUltrasoundPhysical therapyRadiologyIntensive care medicinePathologyHealth careAlternative medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To evaluate the feasibility and diagnostic accuracy of patient-performed lung ultrasound (P-PLUS) for telemedicine purposes. METHODS: This prospective observation study included patients over 18 years old who presented to a tertiary care hospital's emergency department. Patients were provided a five-minute instructional video on a US protocol of four lung zones and then performed the protocol while being monitored by a study investigator. The physician sonographer subsequently repeated the protocol. Two emergency physicians with US fellowship training blindly reviewed and independently rated image quality on a scale of one to five, with a score of three or more considered interpretable. Inter-rater reliability was estimated using the intraclass correlation coefficient. Wilcoxon-Mann-Whitney tests and chi-square tests were used to compare group differences. RESULTS: A total of 56 patients (45% female) were enrolled, and 417 clips were analyzed. Ten (18%) participants worked in the medical field, and 44 (79%) had at least some college education. Forty (71%) regularly used technology at work, 52 (93%) had internet access at home, and the same number had access to smartphones. Patients reported high comfort in performing self-LUS (median score: 4, interquartile range (IQR): 3.5-5) and high willingness to perform US acquisition again in the future (median score: 4, IQR: 4-5). The proportion of interpretable images was similar between the two groups except for the left hemidiaphragm (90% of provider-obtained images were interpretable vs. 45% of patient-obtained images, P = 0.002). The majority of patient-obtained images were scored between three and four and classified as interpretable. Mean image scores were significantly higher for provider-obtained images (P < 0.05). Inter-rater reliability between the two raters was good (intraclass correlation coefficient (ICC)= 0.80, 95% CI 0.76-0.84). CONCLUSION: Patients can independently obtain interpretable LUS images in all views with minimal video-based instruction. The ability of patients to obtain interpretable LUS images with minimal tele-guidance, as well as their high levels of comfort and willingness to perform the procedure, support the potential use of P-PLUS in home-based and remote patient care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,105
Tête enseignante GPT0,435
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207