MétaCan
Menu
Retour à la cohorte
Enregistrement W1997433662 · doi:10.3174/ajnr.a2777

Simultaneous Arteriovenous Shunting and Venous Congestion Identification in Dural Arteriovenous Fistulas Using Susceptibility-Weighted Imaging: Initial Experience

2011· article· en· W1997433662 sur OpenAlexaff
Laurent Létourneau‐Guillon, Timo Krings

Notice bibliographique

RevueAmerican Journal of Neuroradiology · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueVascular Malformations Diagnosis and Treatment
Établissements canadiensUniversity Health NetworkToronto Western HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineSusceptibility weighted imagingRadiologyArteriovenous fistulaHyperintensityArteriovenous malformationMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

In this short report, we describe the potential contribution of SWI in the noninvasive evaluation of DAVFs. SWI images were compared with DSA for the identification of the location of the fistulous point, the presence of CVR, and the presence of the PPP. In 5 of 6 patients, it was possible to identify the fistulous locations depicted as hyperintensity within venous structures. Cortical venous reflux was underestimated on SWI in 3 cases of robust CVR and not identified in 2 cases of less severe CVR. The PPP seen on angiograms correlated anatomically with increased number, caliber, and tortuosity of hypointense veins seen on SWI. Furthermore, SWI was superior to conventional MR imaging in the detection of these dilated veins. These preliminary results suggest an important role for SWI in the detection and assessment of the complex hemodynamics associated with DAVFs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,227
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,028
Tête enseignante GPT0,295
Écart entre enseignants0,267 · 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 tête enseignante, 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

Citations47
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of NeuroradiologyMême sujetVascular Malformations Diagnosis and TreatmentTravaux en français237 207