Charakterisierung der Atemdynamik bei Asthma und COPD mittels H1-MRT und Lungenfunktionsdiagnostik: erste Ergebnisse
Bibliographic record
Abstract
Ziele: Diagnostik und Therapiekontrolle bei COPD und Asthma stützen sich bislang im Wesentlichen auf die Daten der Lungenfunktionsprüfung. Hier können insb. Informationen zu Lungenvolumina und Atemfluss gewonnen werden. Diese Parameter erscheinen jedoch nicht sensitiv genug, um kurzfristige und lokale Veränderungen zu detektieren, die eine individuell optimierte Therapie ermöglichen. Aus diesem Grund liegt die Hoffnung auf neuen Parametern, die sich auf die MRT stützen. Daher wurde eine MRT-Studie an Asthma- und COPD-Patienten durchgeführt, bei der die Atembewegung in 2 Raumrichtungen visualisiert wurde. Methode: An bisher 9 Asthma-Patienten (med. Alter: 58J) und 10 COPD-Patienten (med. Alter 61J) wurden nach positivem Ethikvotum an 2 aufeinander folgenden Tagen an einem 1,5 T Tomographen (Avanto, Siemens, Erlangen) sagittale bzw. koronare 2D-Aufnahmen der Lunge mittels TrueFisp-Sequenz (TR/TE/FA 317ms/1,08ms/65°) akquiriert. An Hand der sagittalen Bilder wurden ventrodorsale (vd) und craniocaudale (cc) Thoraxexkursionen vermessen. Zusätzlich wurde die FEV1 nach Bronchodilatation bestimmt. Ergebnis: Es wurden im Mittel größere relative Thoraxexkursionen bei Asthma im Vergleich zu COPD beobachtet (16±5 bzw 11±5% vd; 20±7 bzw. 17±5% cc bzgl individuellem Maximum). Die maximalen FEV1-Werte lagen im Mittel bei 80±23 bzw. 56±9% vom Sollwert. Die medianen 24h-Variabilitäten der Thoraxexkursionslängen betrugen 18 bzw 19% cc und 8 bzw. 21% vd. Dagegen lagen die Variabilitäten der FEV1-Werte bei 3 bzw. 7% für Asthma und COPD. Schlussfolgerung: Die MRT erlaubt die Visualisierung der Atemdynamik in geeigneter räumlicher und zeitlicher Auflösung. Aus dem Zeitverlauf lassen sich charakteristische Parameter bestimmen, die tendenziell unterschiedlich für Asthma und COPD ausfallen. Vermutlich lässt sich das Potenzial der MRT-Bilder durch eine tiefer gehende Analyse der Zeitverläufe weiter ausschöpfen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".