Comparison of the SeizCT Primer and Optimized Models for Predicting Positive Computed Tomography Findings in Patients With Non-Traumatic Seizures
Notice bibliographique
Résumé
Background: Previous studies developed the SeizCT primer and optimized models, both demonstrating similar values for the area under the receiver operating characteristic curve (AuROC). The optimized model incorporates Glasgow Coma Scale (GCS) change from baseline instead of categorized GCS at emergency department (ED) presentation. This study aimed to validate these two models for predicting positive computed tomography (CT) findings in patients with non-traumatic seizures. Methods: A retrospective cross-sectional study was conducted among adult patients (≥ 18 years) with non-traumatic seizures who underwent CT brain imaging in the ED at Lampang Hospital. Data were collected between December 2023 and July 2024 based on parameters from the SeizCT primer and optimized models. External validation compared model performance using AuROC, calibration, decision curve analysis (DCA), and confusion matrices. Results: The validation cohort included 312 patients (210 (67.3%) male; mean age 53 years). Positive CT findings were found in 58 patients (18.6%). The SeizCT primer model had an AuROC of 0.7218 (95% confidence interval (CI): 0.6476, 0.7961), while the SeizCT optimized model achieved 0.7394 (95% CI: 0.6663, 0.8124). An equivalence test showed statistically equivalent discrimination between the two models (P < 0.015), with the optimized model demonstrating better calibration (slope: 0.582 vs. 0.701; P = 0.002; observed-to-expected ratio: 0.934 vs. 0.971; P = 0.030). Conclusions: Both models demonstrated fair to acceptable discrimination after external validation. The SeizCT optimized model is recommended, as it showed superior calibration and its incorporation of GCS change from baseline offers greater clinical applicability.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».