MétaCan
Menu
Retour à la cohorte
Enregistrement W4413303098 · doi:10.1111/jvim.70203

Agreement of Specific Lung Sounds Auscultation by Veterinarians for the Detection of Bronchopneumonia in Calves

2025· article· en· W4413303098 sur OpenAlexaff
Leticia Princisval, Antonio Boccardo, D. Pravettoni, Salvatore Ferraro, Jean‐François Valarcher, Viviani Gomes, Gilles Fecteau, Sébastien Buczinski

Notice bibliographique

RevueJournal of Veterinary Internal Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePhonocardiography and Auscultation Techniques
Établissements canadiensUniversité de MontréalCegep de Saint Hyacinthe
Organismes subventionnairesnon disponible
Mots-clésAuscultationMedicineBronchopneumoniaLungAudiologyCardiologyInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Lung auscultation is a common method for the routine diagnosis of calf bronchopneumonia. However, its repeatability among operators has been criticized. Objective Determine agreement among veterinarians for specific lung sounds after a short tutorial to standardize the definition of lung sounds. Animals Forty lung sounds from a larger dataset collected at 4 veal calf farms that housed 495–815 animals were submitted online to 10 different veterinarians. Methods After a short tutorial on lung sound auscultation, the raters were asked to detect the presence of any abnormal sounds and to differentiate among wheezes, crackles, and bronchial sounds. Raw percentage of agreement (PA), Gwet's agreement coefficient type 1 (AC1), Krippendorff's alpha (Ka), and Fleiss kappa (KFleiss) were chosen as agreement indicators in the absence of a gold standard indicator to assess agreement. The different indicators were interpreted based on a priori reported benchmarks. Results The agreements were fair to good for almost all lung sound indicators. For the presence of any abnormal lung sound, the reported agreements (95% confidence intervals [CI]) were 0.781 (0.716–0.845), 0.646 (0.514–0.777), 0.403 (0.351–0.455), and 0.293 (0.137–0.493) for PA, AC1, Ka, and KFleiss, respectively. The same indicators were 0.769 (0.694–0.845), 0.615 (0.446–0.784), 0.426 (0.378–0.475), and 0.425 (0.293–0.563) for wheezes, 0.754 (0.685–0.823), 0.643 (0.503–0.782), 0.21 (0.146–0.275), and 0.208 (0.097–0.327) for crackles, and 0.636 (0.571–0.701), 0.345 (0.179–0.512), 0.182 (0.131–0.232), and 0.18 (0.081–0.279) for bronchial sound detections, respectively. Conclusion and Clinical Importance Agreement among raters auscultating calf respiratory sounds was higher than previously reported. However, improvement is still possible to increase auscultation agreement.

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)0,037
score de la tête « metaresearch » (Gemma)0,063
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 enseignants0,037
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,063
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
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 Opus0,022
Tête enseignante GPT0,338
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 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Internal MedicineMême sujetPhonocardiography and Auscultation TechniquesTravaux en français237 207