MétaCan
Menu
Retour à la cohorte
Enregistrement W2059335069 · doi:10.2967/jnumed.109.068197

Imaging Myocardial Metabolic Remodeling

2010· review· en· W2059335069 sur OpenAlexaff
Robert J. Gropler, Rob Beanlands, Vasken Dilsizian, E. Douglas Lewandowski, Flordeliza S. Villanueva, María Cecilia Ziadi

Notice bibliographique

RevueJournal of Nuclear Medicine · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteNational Institutes of Health
Mots-clésMedicineMyocardial hypertrophyMyocardial ischemiaCardiologyDiseaseInternal medicineVentricular remodelingMuscle hypertrophyIschemiaMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Myocardial metabolic remodeling is the process in which the heart loses its ability to utilize different substrates, becoming dependent primarily on the metabolism of a single substrate such as glucose or fatty acids for energy production. Myocardial metabolic remodeling is central to the pathogenesis of a variety of cardiac disease processes such as left ventricular hypertrophy, myocardial ischemia, and diabetic cardiomyopathy. As a consequence, there is a growing demand for accurate noninvasive imaging approaches of various aspects of myocardial substrate metabolism that can be performed in both humans and small-animal models of disease, facilitating the crosstalk between the bedside and the bench and leading to improved patient management paradigms. SPECT, PET, and MR spectroscopy are the most commonly used imaging techniques. Discussed in this review are the strengths and weaknesses of these various imaging methods and how they are furthering our understanding of the role of myocardial remodeling in cardiovascular disease. In addition, the role of ultrasound to detect the inflammatory response to myocardial ischemia will be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,352
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear MedicineMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207