Correlation of late gadolinium enhancement MRI and quantitative T2 measurement in cardiac sarcoidosis
Notice bibliographique
Résumé
PURPOSE: To investigate the potentially improved detection and quantification of cardiac involvement using novel late-gadolinium-enhancement (LGE) cardiac magnetic resonance imaging (MRI) and quantitative T2 measurement to achieve better myocardial tissue characterization in systemic sarcoidosis. MATERIALS AND METHODS: Twenty-eight patients with systemic sarcoidosis underwent a cardiac magnetic resonance imaging (CMR) study on a 1.5T system. Precontrast CMR included left ventricular (LV) and right ventricular (RV) function and quantitative T2 measurement. Postcontrast LGE-MRI included inversion-recovery fast-gradient-echo (IR-FGRE) and multicontrast late-enhancement imaging (MCLE). RESULTS: LV functional parameters were normal in all patients (LVEF=61.2±8.5%) including with cardiac involvement (LVEF=59.4±12.1%) and without (LVEF=61.7±7.5%) while the average RV function was comparatively decreased (RVEF=48.0±6.6%, P<0.0001). 21.4% of patients had cardiac involvement showing patchy or multiple focal hyperenhancement patterns in LV free wall, papillary muscles (PM), or interventricular septum. In two cases with PM involvement, the PM abnormal LGE foci were only observed on MCLE. For precontrast T2 measurements, a significantly decreased T2 measurement was observed in regions demonstrating LGE, compared to the LGE-negative group (focal LGE-positive regions vs. negative: 40.0±2.4 msec vs. 53.0±2.6 msec, P<0.0001). CONCLUSION: LGE-MRI can identify cardiac involvement in systemic sarcoidosis. MCLE might be more sensitive at detecting subtle myocardial lesion. The decreased T2 observed in cardiac sarcoid may reflect its inactive phase, thus might provide a noninvasive method for monitoring disease activity or therapy.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».