Left ventricular ejection fraction assessment by non-cardiologists from transverse views using a simplified wall motion score index
Notice bibliographique
Résumé
For the non-cardiologist emergency physician and intensivist, performing an accurate estimation of left ventricular ejection fraction (LVEF) is essential for the management of critically ill patients, such as patients presenting with shock, severe respiratory distress or chest pain. Our objective was to develop a semi-quantitative method to improve visual LVEF evaluation. A group of 12 sets of transthoracic echocardiograms with LVEF in the range of 18-64% were interpreted by 17 experienced observers (PRO) and 103 untrained observers or novices (NOV), without previous training in echocardiography. They were asked to assess LVEF by two different methods: i) visual estimation (VIS) by analysing the three classical left ventricle (LV) short-axis views (basal, midventricular and apical short-axis LV section) and ii) semi-quantitative evaluation (base, mid and apex (BMA)) of the same three short-axis views. The results for each of these two methods for both groups (PRO and NOV) were compared with LVEF obtained by radionuclide angiography. The semi-quantitative method (BMA) improved estimation of LVEF by PRO for moderate LV dysfunction (LVEF 30-49%) and normal LVEF. The visual estimate was better for lower LVEF (<30%). In the NOV group, the semi-quantitative method was better than than the visual one in the normal group and in half of the subjects in the moderate LV dysfunction (LVEF 30-49%) group. The visual estimate was better for the lower LVEF (ejection fraction <30%) group. In conclusion, semi-quantitative evaluation of LVEF gives an overall better assessment than VIS for PRO and untrained observers.
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 | 0,004 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».