Prediction of myocardial tissue loss by quantitative densitometric myocardial blush parameters following ST-elevation myocardial infarction
Notice bibliographique
Résumé
UNLABELLED: Tissue level myocardial perfusion is one of the most important prognostic factors after successful recanalisation of the occluded coronary artery in patients suffering acute ST elevation myocardial infarction (STEMI). The primary objective of the present study was to examine the relationship between videodensitometric myocardial perfusion parameters as assessed on coronary angiograms directly following successful recanalization therapy and magnetic resonance imaging (MRI)-derived myocardial tissue loss late after STEMI. The study comprised 29 STEMI patients. Videodensitometric parameter G(max)/T(max) was calculated to characterize myocardial perfusion, derived from the plateau of grey-level intensity (G(max)), divided by the time-to-peak intensity (Tmax). Myocardial loss index (MLI) was assessed by cardiac MRI following 376 ± 254 days after PCI. RESULTS: Significant correlations could be demonstrated between MLI and G(max) (r = 0.36, p = 0.05) and G(max)/T(max) (r = 0.40, p = 0.03) using vessel masking. Using receiver operating characteristic curve analysis, G(max)/T(max) < 2.17 predicted best MLI = 0.3, 0.4, 0.5 and 0.6 with good sensitivity and specificity data, while G(max)/T(max) < 3.25 proved to have a prognostic role in the prediction of MLI = 0.7. CONCLUSIONS: Selective myocardial tissue level perfusion quantitative measurement method is feasible and can serve as a good predictor of myocardial tissue loss following STEMI and revascularization 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 | 0,001 | 0,004 |
| 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 ».