Functional testing after coronary artery bypass graft surgery: a meta-analysis.
Notice bibliographique
Résumé
BACKGROUND: A number of studies have examined the diagnostic abilities of various functional tests to assess graft stenosis or the progression of coronary artery disease after coronary artery bypass graft (CABG) surgery. However, a meta-analysis of these studies has not been performed. OBJECTIVES: To pool the results of studies examining the diagnostic abilities of exercise treadmill testing (ETT), stress myocardial perfusion imaging and stress echocardiography to predict graft stenosis or progression of disease in the native circulation post-CABG. METHODS: A MEDLINE search was conducted to identify studies examining post-CABG functional testing for the diagnosis of graft stenosis or progression of native disease. Sensitivities and specificities of these studies were pooled, and predictive values and likelihood ratios were calculated. RESULTS: A pooled analysis demonstrates that for the identification of graft stenosis or progression of native disease, ETT alone has a sensitivity of 45% (95% CI 36% to 54%) and a specificity of 82% (95% CI 68% to 95%). The use of stress myocardial perfusion imaging increased the sensitivity to 68% (95% CI 51% to 86%) and specificity to 84% (95% CI 78% to 91%). The use of stress echocardiography also resulted in an increased sensitivity of 86% (95% CI 78% to 94%) and specificity of 90% (95% CI 84% to 95%). CONCLUSION: If post-CABG functional testing is performed, stress ventricular imaging is superior to ETT alone for the diagnosis of graft stenosis or progression of disease in the native vessels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».