An overview of the National COVID-19 Chest Imaging Database: data quality and cohort analysis
An overview of the National COVID-19 Chest Imaging Database: data quality and cohort analysis
复制标题
国家 COVID-19 胸部影像数据库概述：数据质量和队列分析
DOI：
10.1101/2021.03.02.21252444
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Cushnan D
中科院分区：
文献类型：
--
作者：
Cushnan D
背景国家 COVID-19 胸部影像数据库 (NCCID) 是一个集中数据库，主要包含来自英国各地患者的胸部 X 光检查和计算机断层扫描。该计划的目标是支持更好地了解冠状病毒 SARS-CoV-2 疾病 (COVID-19)，并开发机器学习技术，以改善对因严重 COVID-19 感染而住院的患者的护理。本文介绍了训练数据集，包括涵盖临床数据完整性的快照分析以及各种用例（诊断、预后、纵向风险）的图像数据的可用性。另一项队列分析衡量了 NCCID 在地理、人口和时间覆盖范围方面代表更广泛的受 COVID-19 影响的英国人口的程度。调查结果 NCCID 提供通过各种成像设备采集的高质量 DICOM 图像；包括历史图像在内的多个时间点可用于一部分患者。这种数量和多样性使该数据库非常适合开发新冠相关呼吸系统疾病的诊断/预后模型。历史图像和临床数据可能有助于长期风险分层，特别是当通过与其他资源的链接增加合并症数据的可用性时。队列分析显示，某些类别（例如性别）与英国一般性的 COVID-19 统计数据具有良好的一致性，同时确定了数据收集方法（特别是地理覆盖范围）需要改进的领域。结论 NCCID 是一个不断增长的资源，为研究人员提供了一个大型、高质量的数据库，可用于支持应对 COVID-19 大流行，并作为构建临床可行的医学成像模型的测试平台。
BackgroundThe National COVID-19 Chest Imaging Database (NCCID) is a centralized database containing mainly chest X-rays and computed tomography scans from patients across the UK. The objective of the initiative is to support a better understanding of the coronavirus SARS-CoV-2 disease (COVID-19) and the development of machine learning technologies that will improve care for patients hospitalized with a severe COVID-19 infection. This article introduces the training dataset, including a snapshot analysis covering the completeness of clinical data, and availability of image data for the various use-cases (diagnosis, prognosis, longitudinal risk). An additional cohort analysis measures how well the NCCID represents the wider COVID-19–affected UK population in terms of geographic, demographic, and temporal coverage.FindingsThe NCCID offers high-quality DICOM images acquired across a variety of imaging machinery; multiple time points including historical images are available for a subset of patients. This volume and variety make the database well suited to development of diagnostic/prognostic models for COVID-associated respiratory conditions. Historical images and clinical data may aid long-term risk stratification, particularly as availability of comorbidity data increases through linkage to other resources. The cohort analysis revealed good alignment to general UK COVID-19 statistics for some categories, e.g., sex, whilst identifying areas for improvements to data collection methods, particularly geographic coverage.ConclusionThe NCCID is a growing resource that provides researchers with a large, high-quality database that can be leveraged both to support the response to the COVID-19 pandemic and as a test bed for building clinically viable medical imaging models.
登录
查看更多内容
影响因子：
4.6
作者：
Fernandes FT;de Oliveira TA;Teixeira CE;Batista AFM;Dalla Costa G;Chiavegatto Filho ADP
通讯作者：
Chiavegatto Filho ADP
关于伦敦警察厅实时面部识别技术试验的独立报告
DOI：
--
发表时间：
2019
期刊：
影响因子：
--
作者：
P. Fussey;Daragh Murray
通讯作者：
Daragh Murray
DOI：
10.1038/s41379-020-00700-x
发表时间：
2021-03
期刊：
Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
影响因子：
--
作者：
Booth AL;Abels E;McCaffrey P
通讯作者：
McCaffrey P
团队
DOI：
--
发表时间：
2018
期刊：
Advanced Product Quality Planning
影响因子：
--
作者：
J. Sauvé
通讯作者：
J. Sauvé
一百万个冠状病毒序列：流行的基因组网站达到了巨大的里程碑
影响因子：
64.8
作者：
A. Maxmen
通讯作者：
A. Maxmen