Measuring Abdominal Circumference and Skeletal Muscle From a Single Cross-Sectional Computed Tomography Image: A Step-by-Step Guide for Clinicians Using National Institutes of Health ImageJ.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Diagnostic computed tomography (CT) scans provide numerous opportunities for body composition analysis, including quantification of abdominal circumference, abdominal adipose tissues (subcutaneous, visceral, and intermuscular), and skeletal muscle (SM). CT scans are commonly performed for diagnostic purposes in clinical settings, and methods for estimating abdominal circumference and whole-body SM mass from them have been reported. A supine abdominal circumference is a valid measure of waist circumference (WC). The valid correlation between a single cross-sectional CT image (slice) at third lumbar (L3) for abdominal SM and whole-body SM is also well established. Sarcopenia refers to the age-associated decreased in muscle mass and function. A single dimensional definition of sarcopenia using CT images that includes only assessment of low whole-body SM has been validated in clinical populations and significantly associated with negative outcomes. However, despite the availability and precision of SM data from CT scans and the relationship between these measurements and clinical outcomes, they have not become a routine component of clinical nutrition assessment. Lack of time, training, and expense are potential barriers that prevent clinicians from fully embracing this technique. This tutorial presents a systematic, step-by-step guide to quickly quantify abdominal circumference as a proxy for WC and SM using a cross-sectional CT image from a regional diagnostic CT scan for clinical identification of sarcopenia. Multiple software options are available, but this tutorial uses ImageJ, a free public-domain software developed by the National Institutes of Health.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 découle