Akurasi Magnetic Resonance Imaging (Mri) 1,5 Tesla Kontras Dan Non Kontras Pada Diagnosis Hernia Nukleus Pulposus Lumbal Terhadap Temuan Operasi : Tinjauan Sistematis Dan Analisis Meta
Notice bibliographique
Résumé
Latar Belakang : Magnetic Resonance Imaging (MRI) saat ini merupakan modalitas pencitraan penting untuk diagnosis pasien dengan nyeri punggung bawah. Tinjauan sistematis dan analisis meta ini bertujuan memberikan informasi akurasi tes diagnostik MRI 1,5 Tesla kontras dan non kontras dalam diagnosis HNP lumbal terhadap temuan operasi. Kesimpulan analisis diharapkan menjadi acuan bagi klinisi dalam pengambilan keputusan tatalaksana pasien. Metode : Tinjauan ini mengikuti protokol Diagnostic Test Accuracy (DTA) Protocol of The Cochrane Collaboration. Registrasi PROSPERO nomor CRD42021277779. Seleksi jurnal berdasarkan guideline PRISMA. Pencarian literatur pada 5 database, yaitu ProQuest, Pubmed, Cochrane Library, Biomed Central dan ScienceDirect. Kualitas literatur dan resiko bias dinilai dengan Newcastle-Ottawa Quality Assesment Form for Cohort Studies dan QUADAS 2 tools. Analisis statistik dikerjakan dengan aplikasi Review Manager (Revman) versi 5.4 Cochrane untuk menilai estimasi sensitifitas dan spesifisitas kemudian melihat hubungannya pada grafik ROC. Hasil : Delapan penelitan dengan total diskus diteliti 510 level diskus. Range sensitifitas dan spesifisitas MRI 1,5 Tesla kontras dan non kontras pada analisis ini antara 64-95% dan 55-100% (95% CI) dengan area under curve di atas threshold pada kurva Receiver Operating Characteristic (ROC). Dua penelitian membandingkan akurasi MRI dan CT Mielografi dengan kurva ROC yang lebih luas pada CT Mielografi dibandingkan MRI. Kesimpulan : MRI 1,5 Tesla kontras dan non kontras memiliki akurasi yang baik dan akurat terlihat dari kurva Receiver Operating Characteristic dengan Area Under Curve luas di atas ambang threshold yang merepresentasikan hubungan antara sensitifitas dan spesifisitas. MRI tidak dapat dijadikan acuan sendiri tanpa memperhatikan klinis pasien dalam tatalaksana tindakan, dengan masih adanya risiko kesalahan dalam mendiagnosis kelainan patologi secara anatomi (false positive) maupun risiko tidak mampu mendiagnosis dengan baik kelaianan patologi yang ada pada pasien (false negative).
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,008 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,009 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,065 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».