Development and validation of the fractional flow reserve (FFR) angiographic scoring tool (FAST) to improve the angiographic grading and selection of intermediate lesions that require FFR assessment
Notice bibliographique
Résumé
BACKGROUND: Visual angiographic assessment of intermediate coronary lesions is poor at determining the functional significance. We sought to identify independent clinical and angiographic parameters associated with stenosis functional significance and applied them in a weighted fractional flow reserve angiographic scoring tool (FAST) to improve intermediate lesion selection for fractional flow reserve (FFR) assessment. METHODS AND RESULTS: Data from 100 patients with intermediate lesions previously assessed by FFR were retrospectively analyzed, and four independent variables that predicted FFR of less than or equal to 0.8 were identified: quantitative coronary angiography percent diameter stenosis [odds ratio (OR) 1.22, P<0.001], length more than 20 mm (OR 7.6, P=0.004), stenosis haziness (OR 16.6, P=0.005), and multivessel disease (OR 7.8, P=0.019). Applying these variables into the FAST score, we prospectively assessed a further 109 intermediate lesions (prevalence of FFR ≤0.8 was 29% in this validation cohort) and found that FAST was highly discriminative, predicting an FFR of less than or equal to 0.8 with a c-statistic of 0.865 (95% confidence interval 0.793-0.937, P<0.0001). At the optimal cutoff value, FAST score of more than 2 had a negative predictive value of 96.5% and a sensitivity of 93.8%. It would have reduced the pressure wire usage in the validation cohort by 52.3% (57 out of 109 cases), with only two false negatives and associated cost savings. CONCLUSION: The FAST score is a simple angiographic assessment tool for intermediate lesions that comprises four angiographic variables. A score of 2 or lower indicates low likelihood of lesion hemodynamic significance.
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 ».