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
Bibliographic record
Abstract
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).
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 | 0.073 | 0.164 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.007 | 0.014 |
| Bibliometrics | 0.009 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
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".