Abstract 20549: Patient-Specific CT Image-Based Engineering Analysis of Transcatheter Aortic Valve Replacement - Implications for Aortic Root Rupture
Notice bibliographique
Résumé
Introduction: Despite the increased global experience with transcatheter aortic valve replacement (TAVR), there remain major adverse clinical events. One of the most severe complications of TAVR is aortic rupture. Although several clinical risk factors of TAVR-induced rupture have been identified, the mechanisms remain largely unknown. The objective of this study was to use computational models to predict potential aortic rupture in TAVR patients. Methods: Pre-procedural CT scans of TAVR patients were used to reconstruct patient-specific finite element (FE) models, which included the aortic root, aortic leaflets, calcification, mitral-aortic intervalvular fibrosa, anterior mitral leaflet, fibrous trigones, and left ventricle. Stent deployment was simulated in a total of 25 patients to evaluate the potential for aortic rupture. Our research design consisted of two phases: Phase One, which was to develop and calibrate FE modeling techniques by retrospectively analyzing 7 Edwards SAPIEN cases with known results; and Phase Two, which was to implement the modeling methodology developed in Phase One to conduct a blind study of 18 cases from a database of 60 patients consisting of 50% rupture cases. For the blind study, FE simulations were completed by researchers blind to the clinical outcomes, and data analysis was conducted by an independent researcher. Results: Simulations correctly predicted 83% of the rupture cases. The balloon pressure at time of rupture was approximately 3.52 atm and 2.53 atm for SAPIEN 23 and 26 valves, respectively. The average contact force between the stent and native tissue was about 81N. Conclusion: Our analysis of over 18 patients suggested that the TAVR outcome could depend on the patient-specific aortic sinus shape, calcification volume, shape, location, and orientation. These results demonstrate the potential for simulation-based pre-TAVR planning tools to evaluate device performance and improve clinical outcomes.
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 | 0,005 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».