A combination of anatomical and functional evaluations improves the prediction of cardiac event in patients with coronary artery bypass
Notice bibliographique
Résumé
OBJECTIVE: To study the usefulness of combined risk stratification of coronary CT angiography (CTA) and myocardial perfusion imaging (MPI) in patients with previous coronary-artery-bypass grafting (CABG). DESIGN: A retrospective, observational, single centre study. SETTING AND PATIENTS: 204 patients (84.3% men, mean age 68.7±7.6) undergoing CTA and MPI. MAIN OUTCOME MEASURES: CTA defined unprotected coronary territories (UCT; 0, 1, 2 or 3) by evaluating the number of significant stenoses which were defined as the left main trunk ≥50% diameter stenosis, other native vessel stenosis ≥70% or graft stenosis ≥70%. Using a cut-off value with receiver-operating characteristics analysis, all patients were divided into four groups: group A (UCT=0, summed stress score (SSS)<4), group B (UCT≥1, SSS<4), group C (UCT=0, SSS≥4) and group D (UCT≥1, SSS≥4). RESULTS: Cardiac events, as a composite end point including cardiac death, non-fatal myocardial infarction, unstable angina requiring revascularisation and heart-failure hospitalisation, were observed in 27 patients for a median follow-up of 27.5 months. The annual event rates were 1.1%, 2%, 5.7% and 12.9% of patients in groups A, B, C and D, respectively (log rank p value <0.0001). Adding UCT or SSS to a model with significant clinical factors including left ventricular ejection fraction, time since CABG and Euro SCORE II improved the prediction of events, while adding UCT and SSS to the model improved it greatly with increasing C-index, net reclassification improvement and integrated discrimination improvement. CONCLUSIONS: The combination of anatomical and functional evaluations non-invasively enhances the predictive accuracy of cardiac events in patients with CABG.
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 ».