在预设阈值下，医生和人工智能工具对膝关节骨性关节炎影像分级表现的比较：统计分析计划

在预设阈值下，医生和人工智能工具对膝关节骨性关节炎影像分级表现的比较：统计分析计划 Performance of readers and an artificial intelligence tool for grading of radiographic knee osteoarthritis at prespecified thresholds: Statistical analysis plan

页面：17,作者/机构:未知

简介:这份报告详细介绍了一项即将开展的膝关节骨性关节炎（OA）诊断研究的统计分析计划，该研究旨在评估放射科医生和一种人工智能 (AI) 工具在诊断膝关节骨性关节炎方面的表现。该报告详细介绍了研究背景、目的、设计、方法和预期结果，为即将开展的研究提供了全面的路线图。报告的价值在于它对研究设计的严谨性，强调了统计分析方法，并深入研究了主要和次要终点，为评估 AI 工具在诊断 OA 方面的潜力奠定了坚实的基础。

报告重点

该研究将比较放射科医生和 AI 工具在不同 Kellgren-Lawrence (KL) 分级阈值下的诊断准确性，使用 AUC 评估。
除了主要终点外，该研究还将评估放射科医生之间的评分者间一致性、不同 KL 分级阈值的诊断准确性以及不同亚组（如年龄、性别、OA 严重程度）的诊断准确性等次要终点。
该研究将采用回顾性观察者研究设计，使用来自三个欧洲中心的 PACS 的膝关节 X 光片数据集。
主要终点指标将是放射科医生和 AI 工具在不同 KL 分级阈值下的诊断准确性，使用接受者操作特征 (ROC) 曲线下面积 (AUC) 进行评估。
该研究的结果将为了解 AI 工具在诊断和监测 OA 方面的潜在价值提供有价值的信息，可能改善患者护理并降低与 OA 相关的医疗保健成本。

参考图示

下载链接

扫描二维码关注微信，回复报告或者 baogao ，即可获取密码