Consensus recommendations for hyperpolarized [1‐ <scp> <sup>13</sup> C </scp> ]pyruvate <scp>MRI</scp> multi‐center human studies
Notice bibliographique
Résumé
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 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 | 0,522 | 0,546 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,009 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,019 | 0,020 |
| Intégrité de la recherche | 0,019 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,005 |
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 ».