Cardiovascular magnetic resonance feature-tracking assessment of myocardial mechanics: Intervendor agreement and considerations regarding reproducibility
Notice bibliographique
Résumé
AIM: To assess intervendor agreement of cardiovascular magnetic resonance feature tracking (CMR-FT) and to study the impact of repeated measures on reproducibility. MATERIALS AND METHODS: Ten healthy volunteers underwent cine imaging in short-axis orientation at rest and with dobutamine stimulation (10 and 20 μg/kg/min). All images were analysed three times using two types of software (TomTec, Unterschleissheim, Germany and Circle, cvi(42), Calgary, Canada) to assess global left ventricular circumferential (Ecc) and radial (Err) strains and torsion. Differences in intra- and interobserver variability within and between software types were assessed based on single and averaged measurements (two and three repetitions with subsequent averaging of results, respectively) as determined by Bland-Altman analysis, intraclass correlation coefficients (ICC), and coefficient of variation (CoV). RESULTS: Myocardial strains and torsion significantly increased on dobutamine stimulation with both types of software (p<0.05). Resting Ecc and torsion as well as Ecc values during dobutamine stimulation were lower measured with Circle (p<0.05). Intra- and interobserver variability between software types was lowest for Ecc (ICC 0.81 [0.63-0.91], 0.87 [0.72-0.94] and CoV 12.47% and 14.3%, respectively) irrespective of the number of analysis repetitions. Err and torsion showed higher variability that markedly improved for torsion with repeated analyses and to a lesser extent for Err. On an intravendor level TomTec showed better reproducibility for Ecc and torsion and Circle for Err. CONCLUSIONS: CMR-FT strain and torsion measurements are subject to considerable intervendor variability, which can be reduced using three analysis repetitions. For both vendors, Ecc qualifies as the most robust parameter with the best agreement, albeit lower Ecc values obtained using Circle, and warrants further investigation of incremental clinical merit.
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 | 0,057 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».