Multisoftware Reproducibility Study of Stress and Rest Myocardial Blood Flow Assessed with 3D Dynamic PET/CT and a 1-Tissue-Compartment Model of <sup>82</sup>Rb Kinetics
Notice bibliographique
Résumé
UNLABELLED: Routine quantification of myocardial blood flow (MBF) requires robust and reproducible processing of dynamic image series. The goal of this study was to evaluate the reproducibility of 3 highly automated software programs commonly used for absolute MBF and flow reserve (stress/rest MBF) assessment with (82)Rb PET imaging. METHODS: Dynamic rest and stress (82)Rb PET scans were selected in 30 sequential patient studies performed at 3 separate institutions using 3 different 3-dimensional PET/CT scanners. All 90 scans were processed with 3 different MBF quantification programs, using the same 1-tissue-compartment model. Global (left ventricle) and regional (left anterior descending, left circumflex, and right coronary arteries) MBF and flow reserve were compared among programs using correlation and Bland-Altman analyses. RESULTS: All scans were processed successfully by the 3 programs, with minimal operator interactions. Global and regional correlations of MBF and flow reserve all had an R(2) of at least 0.92. There was no significant difference in flow values at rest (P = 0.68), stress (P = 0.14), or reserve (P = 0.35) among the 3 programs. Bland-Altman coefficients of reproducibility (1.96 × SD) averaged 0.26 for MBF and 0.29 for flow reserve differences among programs. Average pairwise differences were all less than 10%, indicating good reproducibility for MBF quantification. Global and regional SD from the line of perfect agreement averaged 0.15 and 0.17 mL/min/g, respectively, for MBF, compared with 0.22 and 0.26, respectively, for flow reserve. CONCLUSION: The 1-tissue-compartment model of (82)Rb tracer kinetics is a reproducible method for quantification of MBF and flow reserve with 3-dimensional PET/CT imaging.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».