ÜRİNER SİSTEM TAŞI TANISI İÇİN ÇEKİLEN KONTRASTSIZ ABDOMEN BİLGİSAYARLI TOMOGRAFİLERDEKİ İNSİDENTAL BULGU SIKLIĞI
Bibliographic record
Abstract
AMAÇ: Ürolitiazis her yaşı etkileyebilen sık görülen üriner bir patolojidir. Ürolitiazis için çekilen bilgisayarlı tomografi (BT) ile tüm abdominal organlar görüntülenmektedir. Renal ve ekstrarenal insidental bulguya (İB’ya) rastlanabilmektedir. Bu çalışmada ürolitiazis için abdomen BT çekilen hastalarda İB sıklığını değerlendirmeyi amaçladık.GEREÇ VE YÖNTEM: Ocak 2019 - 2020 tarihleri arasında ürolitiazis ön tanısı ile poliklinikten yönlendirilerek abdominal BT çekilen hastalar retrospektif olarak tarandı. 1056 hasta çalışmaya dahil edildi. Bulgular renal, ekstrarenal; klinik önemli ve önemsiz bulgular olarak sınıflandırıldı. Klinik önemli bulgular 65 yaş üstü ve 65 yaş altı grupta değerlendirildi. İleri görüntüleme veya işlem gerektiren hastalar, klinik önemli hasta grubu olarak değerlendirildi.BULGULAR: 1056 hastanın 549 (%52) tanesi erkek, 507 (%48) tanesi kadın hastaydı. Hastaların yaş ortalaması 50,55±14,95 yıldı. Altı yüz kırk beş (%61) hastada üriner sistem taşı, 675 (%63,9) hastada İB saptandı. Üç yüz iki (%28,59) hastada 304 tane insidental renal bulgu mevcuttu. Üç yüz seksen üç (%36,26) hastada ise ekstrarenal 725 bulgu saptandı. On hastada hem renal hem de ekstrarenal İB mevcuttu. Ekstrarenal İB’lar içerisinde 413 (%56,8) hastada hepatobiliyer sistemde, 136 (%18,7) hastada gastrointestinal sistemde ve 41 hastada adrenal bezde (%5,6) İB mevcuttu. 47 (%4,45) hastada klinik önemli İB saptandı. Klinik önemli İB’lar 65 yaş üstü grupta %7,23 oranında ve 65 yaş altı grupta %3,71 oranında tespit edildi.SONUÇ: İB’lara abdomen BT’de sık rastlanır ve çoğunluğu klinik olarak önemsizdir. Yaş ile birlikte klinik önemli İB varlığında artış olmaktadır. Özellikle ileri yaş hastalarda bu bulguların asemptomatik dönemde erken tespit edilmesi ile hastaların sağ
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.004 |
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; both teacher heads agree on what is shown here.
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".