Characterization of Carotid Plaque Hemorrhage
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The main objective of this study was to evaluate CT angiographic (CTA) features that are able to predict the presence of intraplaque hemorrhage (IPH) as defined by MR-IPH. METHODS: One hundred sixty-seven consecutive patients (mean age 69 years, SD 12.8; 58 females) underwent both MR-IPH and CTA within 3 weeks. MR-IPH, the gold standard, was performed at 1.5 T using a neurovascular phased-array coil as a coronal T1-weighted 3-dimensional fat-suppressed acquisition. CTA was performed using a 4-slice or a 64-slice CT machine and evaluated, blinded to MR-IPH findings, for carotid stenosis, plaque density, and plaque ulceration. Plaque density was defined as the mean attenuation of plaque at the site of maximum stenosis and 2 sections above and below. Plaque ulceration was defined as outpouching of contrast into the plaque at least 2 mm deep on any single plane. RESULTS: Prevalence of IPH increased at higher degrees of carotid stenosis. Mean CT plaque density was higher for plaques with MRI-defined IPH (47 Hounsfield units) compared with without IPH (43 Hounsfield units; P=0.02). However, significant overlap between distributions of plaque densities limited the value of mean plaque density for prediction of IPH. CTA plaque ulceration had high sensitivity (80.0% to 91.4%), specificity (93.0% to 92.3%), positive predictive value (72.0% to 71.8%), and negative predictive value (95.0% to 97.9%) for prediction of IPH. Interobserver agreement for presence/absence of CTA plaque ulceration was excellent (kappa=0.80). CONCLUSIONS: CTA plaque ulceration, but not mean CTA plaque density, was useful for prediction of IPH as defined by the MR-IPH technique.
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) | 0,001 | 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 ».