Measurement of Carotid Plaque Volume by 3-Dimensional Ultrasound
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Measurement of carotid plaque volume and its progression are important tools for research and patient management. In this study, we investigate the observer variability in the measurement of plaque volume as determined by 3-dimensional (3D) ultrasound (US). We also investigate the effect of interslice distances (ISD) and repeated 3D US scans on measurement variability. Materials and Methods Forty 3D US patient images of plaques (range, 37.43 to 604.1 mm3) were measured by manual planimetry. We applied ANOVA to determine plaque volume measurement variability and reliability. Plaque volumes were measured with 9 ISDs to determine the effect of ISD on measurement variability. Additional plaque volumes were also measured from multiple 3D US scans to investigate repeated scan acquisition variability. Results Intraobserver and interobserver measurement reliabilities were 94% and 93.2%, respectively. Plaque volume measurement variability decreased with increasing plaque volume (range, 27.1% to 2.2%). Measurement precision was constant for ISDs between 1.0 and 3.0 mm, whereas plaque volume measurement variability increased with ISD. Repeated 3D US scan measurements were not different from single-scan measurements (P=0.867). Conclusions The coefficient of variation in the measurement of plaque volume decreased with plaque size. The volumetric change that must be observed to establish with 95% confidence that a plaque has undergone change is approximately 20% to 35% for plaques <100 mm3 and approximately 10% to 20% for plaques >100 mm3. Measurement precision was unchanged for ISDs <3.0 mm, whereas measurement variability increased with ISD. Repeated 3D US scans did not affect plaque volume measurement variability.
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 | 0,000 | 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 ».