Computer‐aided detection for esophageal achalasia (with video)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Achalasia is an esophageal motility disorder that impairs quality of life and is often missed (20-50%) on endoscopy. A newly developed computer-aided detection (CAD) software has shown high accuracy for achalasia diagnosis in preclinical settings. However, its benefit in a clinical setting remains unclear. METHODS: Between February and August 2023, 83 endoscopists from 27 centers assessed 50 randomized endoscopic videos (25 achalasia, 25 nonachalasia) without and with CAD. Endoscopists assessed videos without CAD, then with CAD after 2 months. The primary end-point was improvement in sensitivity for nonexperienced endoscopists (no endoscopic experience of achalasia). Sensitivity, specificity, and accuracy with and without CAD were compared using the McNemar test. RESULTS: Sensitivity for diagnosing achalasia increased significantly with CAD, rising from 74.2% (95% confidence interval [CI] 72.2-76.0%) to 91.2% (95% CI 89.9-92.4%) for all readers, showing a difference of 17.1% (95% CI 15.1-19.0%). Specifically, sensitivity improved from 66.9% (95% CI 63.6-70.0%) to 91.9% (95% CI 89.9-93.6%) among nonexperienced endoscopists, resulting in a difference of 25.0% (95% CI 21.7-28.4%), and from 79.5% (95% CI 77.1-81.8%) to 90.8% (95% CI 89.0-92.3%) among experienced endoscopists (endoscopic experience of at least one achalasia case), with a difference of 11.3% (95% CI 8.9-13.6%). Accuracy and specificity improved significantly with CAD assistance, regardless of reader's experience. CONCLUSION: CAD improves achalasia detection by 17%, confirming preclinical results. The benefit was higher for nonexperienced endoscopists. CAD assistance may lead to prompt and effective treatment, minimizing the risk of false-negative diagnosis in clinical practice. TRIAL REGISTRATION: This study was registered in the University Hospital Medical Information Network Clinical Trial Registry (https://www.umin.ac.jp/ctr/) number: UMIN000053047.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle