Grading of Aortic Valve Stenosis at 64-Slice Spiral Computed Tomography
Notice bibliographique
Résumé
PURPOSE: We sought to determine the accuracy of multislice spiral computed tomography (MSCT) for assessing of aortic valve stenosis and to establish threshold values of the planimetric aortic valve orifice area (AVA) that best separate between different grades of stenosis severity. MATERIALS AND METHODS: A total of 202 patients (among them 160 patients with aortic valve stenosis) underwent MSCT, transthoracic echocardiography (TTE) and cardiac catheterization (CATH). Planimetric AVA measurements at MSCT were compared with calculations based on Doppler flow velocity measurements by TTE (using the continuity equation) and pressure gradient measurements by CATH (using the Gorlin formula). RESULTS: Series of AVA measurements correlated well between MSCT and TTE (r = 0.86) and between MSCT and CATH (r = 0.90). However, AVA at MSCT (0.98 +/- 0.47 cm) was significantly larger than AVA at TTE (0.81 +/- 0.36 cm; P < 0.05) and CATH (0.80 +/- 0.39 cm; P < 0.05). For severity grades 0 through IV the AVAs at MSCT were 2.69 +/- 0.75, 1.86 +/- 0.30, 1.48 +/- 0.17, 0.95 +/- 0.20, and 0.68 +/- 0.20 cm, respectively. For separating, the 5 severity grades optimal thresholds at MSCT were 2.1, 1.6, 1.2, and 0.9 cm. Using these adjusted thresholds there was perfect agreement in classification between MSCT and CATH in 156 (77%), but a mismatch by 1 grade in 43 (21.5%) and 2 grades in 3 (1.5%) patients (kappaw = 0.86). CONCLUSION: Planimetric AVA measurements on MSCT allows for an accurate grading of aortic valve stenosis severity. However, AVA measurements on MSCT are usually larger than measurements on TTE and CATH. Consequently, the thresholds for discriminating between different severity grades have to be adjusted in MSCT.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».