Evaluation of coronary allograft vasculopathy using multi-detector row computed tomography: a systematic review
Notice bibliographique
Résumé
Coronary allograft vasculopathy (CAV) is a significant cause of morbidity and mortality after cardiac transplantation and requires frequent surveillance with catheter-based coronary angiography (CCA). Multi-detector row computed tomography (MDCT) has been shown to be effective in assessing atherosclerosis in native coronary arteries. This article systematically reviews the literature to determine the accuracy of MDCT in CAV assessment. An English-language literature search was performed using EMBASE, OVID, PubMed, and Cochrane Library databases. Studies that directly compared MDCT with CCA and/or IVUS for the detection of coronary artery stenosis or significant intimal thickening in cardiac transplant patients were analyzed. Data were pooled to obtain weighted sensitivities, specificities, and diagnostic accuracies. Negative and positive predictive values (NPV/PPV) were calculated. A total of seven studies with a sum of 272 patients were included in this review. There were three studies examining 16-slice MDCT and four studies looking at 64-slice MDCT in CAV. Using per-segment analysis, MDCT assessed between 91% and 96% of all coronary segments when evaluating for stenosis. Pooled estimates for sensitivity and specificity for MDCT ranged from 82% to 89% and 89% to 99%, respectively, while NPV was 99%. Per-patient analysis revealed a sensitivity of 87-100% and NPV of 96-100%. PPV was less than 50% for 64-slice MDCT in both per-segment and per-patient analysis. When compared with IVUS, MDCT had a sensitivity of 74-96% and specificity of 88-92% in assessment of intimal thickening. NPV and PPV were 80-81% and 84-98%, respectively. The high sensitivity and NPV of MDCT suggest that it may be a useful, noninvasive screening tool to rule out CAV.
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 | 0,056 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».