Additional file 1 of Dorsal hyperintensity and iron deposition patterns in the substantia nigra of Parkinson’s disease, idiopathic REM sleep behavior disorder, and Parkinson-plus syndromes at 7T MRI: a prospective diagnostic study
Notice bibliographique
Résumé
Additional file 1. eMethods. Table S1 Demographic and clinical characteristics in the pooled dataset. Table S2 Inter-observer reliability of the seven DNH assessment methods in the pooled dataset. Table S3 Visual assessment of the DNH in the development cohort at echo 1-echo 4. Table S4 Visual assessment of the DNH in the pooled dataset at echo 1-echo 4. Table S5 Visual assessment of the DNH in early-stage PD subtypes in the pooled dataset at echo 2. Table S6 Predominant side of DNH impairment and motor symptoms. Table S7 Diagnostic and differential diagnostic performances of the seven DNH assessment methods in the development cohort. Table S8 Diagnostic and differential diagnostic performances of the seven DNH assessment methods in the pooled dataset. Table S9 Validation of diagnostic and differential diagnostic performances of the DNH abnormality. Table S10 Subgroup analyses of diagnostic and differential diagnostic performances of the seven DNH assessment methods in age- and education-matched participants aged over 60. Table S11 Follow-up evaluations of iRBD patients. Fig. S1 Flowchart of participant inclusion. Fig. S2 3D gradient-echo T2* images (echo 1-echo 4) for a representative case from each patient and healthy control groups. Fig. S3 ROC curves for the three DNH rating scales at echo 2 in the pooled dataset. Fig. S4 Receiver operating characteristic curves for the optimal DNH rating scale in the development cohort, its performance in the validation cohort, and its reassessment in the pooled dataset. Analysis S1 Comparison of participant characteristics. Analysis S2 Comparison of diagnostic and differential diagnostic performance between T2* echoes. Analysis S3 Correlation analysis between clinical characteristics and DNH scores in PD and MSA-C patients. Analysis S4 Comparison of clinical characteristics in MSA-P and PSP patients regarding the detectability of the DNH.
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,720 | 0,062 |
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 ».