Late Breaking Abstract - AI-based mucus plug analysis to evaluate the effect of inhaled hypertonic saline in preschool children with CF: a randomized controlled trial
Notice bibliographique
Résumé
Background: SHIP-CT evaluated the impact of inhaled hypertonic saline(HS) vs isotonic saline(IS) on lung structure in preschool children with CF(pCwCF). PRAGMA-CF scoring and automatic bronchus-artery analysis showed fewer bronchial abnormalities in the HS group compared to IS after 48 weeks. A recently developed AI-algorithm allows for quantification of mucus plugs(MP) on CT. This analysis aimed to assess the effect of inhaled HS on MP in pCwCF. Methods: Number, volume, and location of MP throughout the bronchial tree were quantified using a fully automatic algorithm(LungQ, Thirona). It identifies MP that completely obstruct the bronchus with a detectable proximal lumen. Regression analysis was used to evaluate the difference between groups at 48 weeks. Results: 113 baseline and 103 48-week CTs among 115 pCwCF(55 HS,60 IS) were analyzed. MPs were detected in 37% and 25% of CTs at baseline and 48 weeks, respectively. In patients with MP, median(IQR) MP count at baseline and at 48 weeks was 1(1.5) and 4(7) for the IS group, and 2(6.5) and 1.5(27.2) for the HS group. At 48 weeks, the IS group showed a higher MP count than the HS group(mean difference 0.75; 95%CI 0.36–1.15; p = 0.0005). Conclusion: Inhaled hypertonic saline significantly reduced MP over 48 weeks in preschool children with CF, supporting previous findings of improved structural airway abnormalities in the HS group. erj;66/suppl_69/OA3321/F1 F1 F1
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».