Abstract 4221: Cardiac Computed Tomography Angiography in the Setting of Low-Moderate Coronary Artery Disease Risk - Do Results Change Management?
Notice bibliographique
Résumé
CCTA is sensitive and specific for detecting CAD, but the impact on patient management and outcomes is unknown. We describe our experience with consecutive cases performed at a single CCTA centre. Coronary calcium scoring and contrast-enhanced coronary CT angiograms were performed on 114 patients using a Toshiba 64-slice scanner and standard protocols. Information on demographics, risk factors, symptomatology, prior cardiac investigations and medications was collected by questionnaire and verified by the consulting cardiologist just prior to scan performance. Scan results and management recommendations were recorded. Participants were primarily male (76.1%) with a mean age of 59.8±9.9yrs. CAD risk factor prevalence was: 53.2% hypertensive, 10.6% diabetic, 49% ever smoked, 75.7% with a family history of premature CAD, and mean LDL and HDL were 2.68±0.81 and 1.4±0.43 μmol/L. Baseline medical therapy is listed in Table I . The prevalence of chest discomfort symptoms was: none (55.4%), non-cardiac (4.3%), atypical (15.2%) and typical (25.1%). Prior investigations included MPI (42.1%), and EST (53.5%) with results that were negative (50%, 45.9%) positive (35.4%, 23%) or equivocal (14.6%, 27.9% respectively). A pre-existing diagnosis of CAD was present in 21.9%. Median coronary calcium (Agatston) score was 79 ( range 0→1899). CAD was diagnosed in 71% of patients, and luminal stenosis was >50% in 70% (n=54). Management recommendations included changes to medical therapy (Table I ), further testing (EST (n=3), MPI (n=6), angiography (n=14)), and test cancellation (MPI (n=2)). In no patients did CCTA result in the cancellation of cardiac catheterization. CCTA provided a new diagnosis of CAD in 49% of patients of low-moderate CAD risk, and resulted in a net increase in the number of medications and investigations ordered. The impact on patient morbidity and mortality is the subject of further study. Table I: Medications pre and post CCTA results
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».