MétaCan
Menu
← Retour à la cohorte
Enregistrement W1483709653 · doi:10.25011/cim.v30i3.1730

Evaluation by Dipirydamole MRI of the effects of cardiac rehabilitation after myocardial infarction

2007· article· en· W1483709653 sur OpenAlexvenueno aff
Philippe Blanc, H Douard, M. Courregelongue, J. Perron, R Roudaut, J. P. Broustet

Notice bibliographique

RevueClinical and investigative medicine · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineEjection fractionMyocardial infarctionCardiologyInternal medicinePerfusionCardiac function curveScintigraphyInfarctionNuclear medicineHeart failure

Résumé

récupéré en direct d'OpenAlex

Background: The effects of exercise training (ET) on myocardial perfusion after myocardial infarction have been well studied with scintigraphy whereas cardiac MRI seems a better technique which was not used yet in the literature in this indication. Methods: 11 patients after a first myocardial infarction were left again in 2 groups: a 20 session-ET program (T, n=6) and a control group (C, n=5). All patients underwent a dipirydamole MRI and a cardiopulmonary test at entry and after 3 months. Results At 3 months, improvements in work capacity (P < 0,05), peak VO2 (P < 0,05) were observed in T but not in C. Ejection fraction and left ventricular (LV) volumes were unchanged in T and C. Myocardial perfusion assessed by MRI was comparable at rest and after dipirydamole in each group. The recuperation of the segmentary kinetics was inversely proportional to the delayed enhancement given by MRI and was better for T than for C (P < 0,02). Conclusions: This is a preliminary study. Cardiac MRI makes it possible to apprehend perfusion in a reliable and reproducible way. ET has no detrimental effects on LV volumes and function; rather, it improves recovery of infarcted segments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,384
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and investigative medicine→Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→