XiaoMi-AI文件搜索系统
World File Search System评价者
多评价者临床准确性研究
抽象目标我们研究了区域脑量的定量报告（QReport）是否可以提高放射学家对检测体积损失的准确性和信心，并在阿尔茨海默氏病（AD）和额叶痴呆症（FTD）中与单独进行视觉评估相比。方法我们的强制选择多评价临床准确性研究使用了16名AD患者，14名FTD患者和15个健康对照的MRI；年龄范围52 - 81。我们的QReport提交给具有区域灰质量的评估者，该评分者是针对规范人群数据的百分位数（n = 461）。具有不同放射学经验的九个评估者（每个：顾问，注册者，“非临床图像分析师”）对每个案例进行了两次评估（有或没有QReport）。评估者对临床和人口统计学信息视而不见；他们将扫描分类为“正常”或“异常”，如果“异常”为“ AD”或“ FTD”。结果QReport提高了所有评估者的检测体积损失和AD的灵敏度（分别为p = 0.015*和p = 0.002*）。使用QReport时仅顾问组的准确性显着提高（p = 0.02*）。总体而言，与“黄金标准”的评估者一致性（Cohen'Sκ）不受QReport的显着影响；只有顾问组显着改善（κs 0.41➔0.55，p = 0.04*）。Cronbach的互议协议的alpha从0.886提高到0.925，对应于从“良好”到“优秀”的改进。•顾问神经放射学家的评估准确性和一致性（KAPPA评分）通过使用定量萎缩报告可显着提高。结论我们的QReport引用了单个主体结果对规范性数据，以及视觉评估提高了敏感性，准确性和互及以检测体积损失的一致性。QReport在顾问中最有效，这表明需要经验来完全受益于定量分析提供的其他信息。关键点•使用定量报告以及常规的视觉MRI评估，提高了仅检测体积损失和AD与视觉评估的敏感性和准确性。•对视觉定量MRI萎缩报告的第一次多评价者放射学临床评估，用于痴呆症的诊断辅助。
重新分级 未分类
ll l v• , Oeorp ... 骗子 ..,.... h4aN ....... "'., .. -.ton Yoxoet c 01..-, Da\nl\ , Cloll. - oa Yretta 1Joo4a ...,__, - J'eu.q at，ltu 草案 1 - , , , .. ... ... 。 ... x.-. •4 81.Jr -;- a/14/48 : ... Yoolt Ja, .... ee a) Po11l\la 评价者•oe 至 WolooU'a o\JeoUoaat 的谎言\ 热病 · .... 1n 1\I.Jl...,. l ..... ..... w Dntt I t llootl8 , .... 1M 0 t.. .. ~- rw•a• OOR ,... ..U : Yoolt .. Paca 1M I p'ta& OlpiJ' wUil la .. 1 1 1atn4wlt1CIIl 。 - J/JI/ 48 : ..... ..... WoloeU'a ....Sa: 热 • · .... lll a) WolooU ' a ••nlll 41_ ... liT tna_ ， .,- -
利用追踪技术考察生命空间流动性……
► ► 据我们所知，本次系统评价将首次结合现有追踪技术的知识，用于实时和现实城市环境中抑郁和/或焦虑症患者的生活空间流动性。 ► ► 本评价中使用的方法将按照系统评价和荟萃分析协议的首选报告项目进行报告。 ► ► 本评价协议提高了评价过程的透明度，改进了系统方法，减少了偏见，并告知评价者计划的步骤，从而降低了数据操纵的可能性。 ► ► 评价结果为追踪研究中使用的当前技术提供了证据，可能发现知识空白并为未来的研究提供思路。 ► ► 我们预计追踪技术种类繁多，可能很难得出明确的结论，因此将对结果对临床实践的意义提出挑战。
如何引用本文：Trede Filho RG，Rodrigues TCP，Brant AC，Rodrigues NLM，Brant AC，Rodrigues NLM。从构图分类
使用钢铁法（8）或构图（9）的方法。视觉检查是一种评估拱形和脚对准的方法，并被医生广泛使用；但是，它们的分类是主观的，并且具有较高的评价者变异性（10）。关于定量方法，与钢铁测量法（11）相比，podographs是低成本且更易于应用的；阶数的变异性低于VI（12）。构图的解释可以基于不同的方法，例如VI，Arch Index（AI），Arch足迹角（AFA），足迹索引（FI），Arch-Length Index（Ali），截短的Arch Index（Tai）和Chippaux-Smirak Index（CSI）（CSI）（CSI）（12-17）。但是，每种技术都使用不同的参数来对脚姿势进行分类，并且有些技术不会在分类之间呈现截止阈值。此外，用于对每种绘画方法进行分类的脚的参数是不同的（12-17）；重要的是要阐明技术之间的协议是否令人满意，以便医生可以使用他们的首选选择。因此，这项研究的目的是比较文献中用于对脚摄影图像进行分类的不同参数的效率，并确定它们之间的一致性水平。
AI）和偏倚风险工具（PROBAST-AI）用于诊断和
摘要 简介 个体预后或诊断的多变量预测模型的透明报告 (TRIPOD) 声明和预测模型偏倚风险评估工具 (PROBAST) 均已发布，以改进对诊断和预后的预测模型研究的报告和批判性评价。本文介绍了用于开发 TRIPOD 声明扩展 (TRIPOD-人工智能，AI) 和 PROBAST (PROBAST-AI) 工具的过程和方法，用于应用机器学习技术的预测模型研究。 方法与分析 TRIPOD-AI 和 PROBAST-AI 将按照 EQUATOR 网络发布的指导进行开发，包括五个阶段。第 1 阶段将包括两项系统评价（涵盖所有医学领域，特别是肿瘤学），以检查已发表的基于机器学习的预测模型研究中的报告质量。在第 2 阶段，我们将使用德尔菲法咨询不同的关键利益相关者群体，以确定要考虑纳入 TRIPOD-AI 和 PROBAST-AI 的项目。第 3 阶段将以虚拟共识会议的形式整合和确定 TRIPOD-AI 和 PROBAST-AI 中要包含的关键项目的优先顺序。第 4 阶段将涉及开发 TRIPOD-AI 清单和 PROBAST-AI 工具，并撰写随附的解释和阐述论文。在最后阶段，即第 5 阶段，我们将通过期刊、会议、博客、网站（包括 TRIPOD、PROBAST 和 EQUATOR 网络）和社交媒体传播 TRIPOD-AI 和 PROBAST-AI。TRIPOD-AI 将为从事基于机器学习的预测模型研究的研究人员提供报告指南，帮助他们报告读者评估研究质量和解释其结果所需的关键细节，从而减少研究浪费。我们预计 PROBAST-AI 将帮助研究人员、临床医生、系统评价者和政策制定者通过强大的标准化偏见评估工具，批判性地评估基于机器学习的预测模型研究的设计、实施和分析。
研究文章在澳大利亚学校环境中开发自我管理的自我管理：青少年参与分享的观点
te国际小儿和青少年糖尿病学会已将学校确定为1型糖尿病（T1D）的青少年的关键背景，这些糖尿病（T1D）通常在这段时间内承担糖尿病自我管理的责任，但虽然不断增长。当父母使用频繁的自治性沟通来维持糖尿病管理的互惠性共享的共同分享，并实现其青春期，更好的结果。缺乏研究，研究青少年责任在学校的管理方式。横断面研究调查了青少年在学校分享T1D管理责任的观点以及与父母的看法一致的程度。六十名青少年（10 - 19年）和FF0-FTY的父母填写了调查表，衡量了糖尿病对青少年学校活动的感知影响，并分别参与了对学校糖尿病护理的责任管理。青少年问卷还测量了与糖尿病管理有关的自主支持（卫生保健气候问卷）和沟通质量（频率，模式，自治）的看法。根据父母和青少年二元组之间的年龄和评价者一致性的差异。结果表明，父母和青少年不同意他们在建立糖尿病管理策略或糖尿病对学校活动的影响方面的相对参与。tere在年长的青少年相对于年轻学生的参与没有区别。只有三十九（65％）报告有糖尿病学校计划。青少年亲自沟通了有关学校糖尿病护理的沟通，尽管有些人报告没有与学校STAF（25％）或医疗保健工人（36％）进行沟通。十九（32％）很少或没有参与当年制定糖尿病护理策略，大多数人没有参加与学校有关的会议。TESE的结果表明，在正规学校支持策略中更明确地包含青少年可能会更好地代表他们对责任的独特看法，从而实现与更好结果相关的责任共享。
视觉评估和半定量的比较...
摘要目的[18 f] Flortaucipir Pet是阿尔茨海默氏病（AD）的强大诊断和预后工具。tau状态定义主要基于半定量措施的文献，而在临床环境中通常优选视觉评估。我们将视觉评估与已建立的半定量措施进行了比较，以对受试者进行分类并预测记忆诊所人群认知能力下降的风险。方法，我们包括了接受[18 f] Flortaucipir Pet的日内瓦记忆诊所的245名个人。淀粉样蛋白状态可用于207个人，临床随访135。所有扫描均由三名独立评估者盲目评估，他们根据Braak阶段将扫描对扫描进行分类。从全局的元ROI中获得标准化的吸收值（SUVR）值以定义tau的阳性，并应用了简化的颞叶枕（STOC）以获得半优化的tau阶段。使用Cohen的Kappa（K）测试了措施之间的一致性。ROC分析和线性混合效应模型来测试使用视觉和半定量方法获得的TAU状态和阶段的诊断和预后值。结果，我们在tau braak阶段的视觉解释中发现了良好的评价者间可靠性，与评估者的专业知识无关（k> 0.68，p <0.01）。在TAU状态的基于视觉和SUVR的分类之间同样达成了一个良好的协议（k = 0.67，p <0.01）。结论我们的结果表明，视觉评估对于定义记忆诊所人口中的TAU状态和阶段是可靠的。所有TAU评估方式都显着区分了与其他受试者（AUC> 0.85）的其他受试者（AUC> 0.80）和淀粉样蛋白阳性的受试者（AUC> 0.80）和淀粉样蛋白阳性。线性混合效应模型表明，tau阳性个体的认知能力下降明显快，而不是tau阴性组（p <0.01），独立于分类方法。高评分者间的可靠性，实质性一致性以及视觉等级和半定量方法的类似诊断和预后性能表明，在临床实践中，[18 F] Flortaucipir PET可以在视觉上进行可靠地评估。
开发和评估自然语言处理系统，用于策划胸膜超声心动图（TTE）数据库
摘要：背景：尽管电子健康记录（EHR）提供了对疾病模式和患者治疗优化的有用见解，但它们对非结构化数据的依赖表现出了很难的文化。超声心动图报告为心血管患者提供广泛的病理信息，由于其叙事结构，提取和分析特别具有挑战性。尽管自然语言处理（NLP）已成功地用于各种医学领域，但它并未在超声心动图分析中使用。目的：开发一种基于NLP的方法，通过准确转换（例如LVOT VTI，AV VTI和TR VMAX）和离散（例如，反应性严重性）在半结构的叙事形式中逐渐结构或允许未来的研究，从而将基于超声心动图报告中提取和分类数据进行分类。方法：135,062跨性超声心动图（TTE）报告源自146967基线超声心动图报告，分为三个同类：培训和验证（n = 1075），测试数据集（n = 98）和应用程序集（n = 133,889）。NLP系统是开发的，并使用医学专家知识迭代地进行了修订。该系统用于从133,889个报告的提取中策划一个中等实力数据库。由两名临床医生盲目注释并提取了98个报告的固定验证集，以与NLP提取进行比较。一致性，歧视，准确性和校准结果度量提取。该系统表现出与临床医生提取的高度一致性和一致性。结果：包括LVOT VTI，AV VTI和TR VMAX在内的连续结果使用级别的相关得分（ICC = 1.00，p <0.05）表现出完美的评估者可靠性，并表明了NLP系统和临床医生之间的理想对齐。在诸如LVOT直径，横向MAPSE，峰值E速度，横向E速度，PV VMAX，Valsalva的Sinuses，valsalva的sinuse，valsalva和升高主动脉直径等结果中观察到了良好水平（ICC = 0.75–0.9，p <0.05）的评价者间可靠性。此外，在混淆矩阵分析中，离散结果度量的准确率为91.38％，表明有效性能。结论：基于NLP的技术在从超声心动图报告中提取和分类数据时产生了良好的结果。本研究通过提供有用的工具将半结构化文本转换为可用于数据管理的结构化回声报告，从而有助于使用半结构化数据。医疗保健设置中的其他验证和实施可以提高数据可用性，并支持研究和临床决策。