Assessment of significant coronary artery stenosis using blood oxygen level dependent cardiovascular magnetic resonance (BOLD-CMR)
Notice bibliographique
Résumé
Using the magnetic properties of hemoglobin, changes in myocardial tissue oxygenation can be detected with blood oxygen level dependent (BOLD) cardiovascular MRI (CMR). The study aim was to assess whether BOLD-CMR images can detect an abnormal myocardial tissue response to adenosine infusion in patients with CAD, when compared to fractional flow reserve (FFR). Patients undergoing clinically indicated coronary angiography underwent BOLD CMR scans using a clinical 1.5T scanner. Three short axis BOLD cine images were captured at baseline and during adenosine-induced coronary hyperemia. The mean segmental percent signal intensity (SI) changes were calculated between baseline and hyperemia in the subendocardial myocardium using the 16-segment model. Segments were defined as ischemic or non-ischemic by FFR (cut-off <0.80). The segment with the lowest BOLD SI percent change per patient was used for analysis. Thirty-two patients were enrolled, 5 patients were excluded due to incomplete CMR, leaving 27 patients (age 61 ± 10 years) for analysis. There were 864 myocardial segments (baseline and adenosine) available for analysis, 289 were subtended by a coronary artery with an available FFR value. Eighty-two segments (28%) were excluded due to pre-defined criteria for poor image quality, 67% were apical. From the remaining 20 patients, 7 had ischemic FFR values and 13 had non ischemic FFR values. Using the segment with the lowest % BOLD SI change per patient there was a significant difference between ischemic -6.49% ± -8.65% and non ischemic 4.21 ± 4.94% (p=0.0023) patients. Using a cut off value of 1.1% SI change the sensitivity is 86%, specificity 69%, positive predictive value 0.6 and negative predictive value 0.9. A blunted hyperemic response to adenosine as assessed by oxygenation-sensitive CMR at 1.5T can identify functionally significant coronary artery stenosis. However, image quality, mainly in apical segments, remains a limitation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».