MétaCan
Menu
Retour à la cohorte
Enregistrement W4411375898 · doi:10.1002/mrm.30570

Consensus recommendations for hyperpolarized [1‐ <scp> <sup>13</sup> C </scp> ]pyruvate <scp>MRI</scp> multi‐center human studies

2025· article· en· W4411375898 sur OpenAlexaff
Shonit Punwani, Peder E. Z. Larson, Christoffer Laustsen, Jan VanderMeulen, Jan Henrik Ardenkjær‐Larsen, Adam W. Autry, James A. Bankson, Jenna Bernard, Robert Bok, Lotte Bonde Bertelsen, Jenny Che, Albert P. Chen, Rafat Chowdhury, Arnaud Comment, Charles H. Cunningham, Duy Dang, Ferdia A. Gallagher, Adam Gaunt, Jeremy W. Gordon, Ashley Grimmer, James T. Grist, Esben Søvsø Szocska Hansen, Mathilde H. Lerche, Richard L. Hesketh, Jan‐Bernd Hoevener, Ching‐Yi Hsieh, Kayvan R. Keshari, Kozerke Sebastian, Titus Lanz, Dirk Mayer, Mary A. McLean, Jae Mo Park, Jim Slater, Damian J. Tyler, Jean‐Luc Vanderheyden, Cornelius von Morze, Fulvio Zaccagna, Vlad G. Zaha, Duan Xu, Daniel B. Vigneron

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2025
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Cancer InstituteNational Institutes of HealthChang Gung Medical FoundationEidgenössische Technische Hochschule ZürichNational Institute for Health and Care ResearchAarhus UniversitetCancer Prevention and Research Institute of Texas
Mots-clésComputer scienceCalibrationCalibration curveMedical physicsQuality assuranceNuclear medicineMedicineNuclear magnetic resonanceComputational biologyChemistryPhysicsStatisticsMathematicsBiologyPathologyChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract MRI of hyperpolarized (HP) [1‐ 13 C]pyruvate allows in vivo assessment of metabolism and has translated into human studies across diseases at 15 centers worldwide. To determine consensus on best practice for multi‐center studies for development of clinical applications. This paper presents the results of a two‐round formal consensus building exercise carried out by experts with HP [1‐ 13 C]pyruvate human study experience. Twenty‐nine participants from 13 sites brought together expertise in pharmacy methods, MR physics, translational imaging, and data analysis with the goal of providing recommendations and best practice statements on conduct of multi‐center human studies of HP [1‐ 13 C]pyruvate MRI. Overall, the group reached consensus on approximately two‐thirds of 246 statements in the questionnaire, covering HP 13 C‐pyruvate preparation; MRI system setup, calibration, and phantoms; acquisition and reconstruction; and data analysis and quantification. Consensus was present across categories. Examples include: (i) Different HP pyruvate preparation methods could be used in human studies, but the same release criteria have to be followed; (ii) site qualification and quality assurance must be performed with phantoms and the same field strength must be used, but the rest of the system setup and calibration methods could be determined by individual sites; (iii) the same pulse sequence and reconstruction methods were preferable, but the exact choice should be governed by the anatomical target; (iv) normalized metabolite area‐under‐curve values and metabolite area under curve were the preferred metabolism metrics. The consensus proces revealed that HP[1‐ 13 C] pyruvate MRI as a technology has progressed sufficiently to plan multi‐center studies. The work confirmed areas of consensus for multi‐center study conduct and identified where further research is required to ascertain best practice.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,392
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,360
Écart entre enseignants0,317 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations16
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207