Non-invasive determination of the systolic peak-to-peak gradient in children with aortic stenosis: validation of a mathematical model
Notice bibliographique
Résumé
Doppler derived systolic pressure gradients have become widely applied as noninvasively obtained estimates of the severity of aortic valvar stenosis. There is little correlation, however, between the Doppler derived peak instantaneous gradient and the peak-to-peak gradient obtained at catheterisation, the latter being the most applied variable to determine severity in children. The purpose of this study was to validate a mathematical model based on data from catheterisation which estimates the peak-to-peak gradient from variables which can be obtained by noninvasive means (Doppler derived mean gradient and pulse pressure), according to the formula: peak-to-peak systolic gradient = 6.02+/-1.49*(mean gradient)-0.44*(pulse pressure). Simultaneous cardiac catheterization and Doppler studies were performed on 10 patients with congenital aortic valvar stenosis. Correlations between the gradients measured at catheter measured, and those derived by Doppler, were performed using linear regression analysis. The mean gradients correlated well (y = 0.67 x +11.11, r = 0.87, SEE = 6 mm Hg, p = 0.001). The gradients predicted by the formula also correlated well with the peak-to-peak gradients measured at catheter (y = 0.66 x +14.44, r = 0.84, SEE = 9 mm Hg, p = 0.002). The data support the application of the model, allowing noninvasive prediction of the peak-to-peak gradient across the aortic valvar stenosis.
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 ».