MétaCan
Menu
Retour à la cohorte
Enregistrement W2345371879 · doi:10.1111/ajt.13839

Perfusion Cardiac Magnetic Resonance Imaging as a Rule-Out Test for Cardiac Allograft Vasculopathy

2016· article· en· W2345371879 sur OpenAlexaff
Sharon Chih, Heather J. Ross, Ana Carolina Alba, Chun‐Po Steve Fan, Cedric Manlhiot, Andrew Crean

Notice bibliographique

RevueAmerican Journal of Transplantation · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensSickKids FoundationUniversity of TorontoToronto General HospitalUniversity Health NetworkHospital for Sick ChildrenUniversity of Ottawa
Organismes subventionnairesAmerican Heart Association
Mots-clésMedicineIntravascular ultrasoundCutoffReceiver operating characteristicCardiologyPerfusionMagnetic resonance imagingLikelihood ratios in diagnostic testingInternal medicineFractional flow reserveMyocardial perfusion imagingUltrasoundPerfusion scanningRadiologyCoronary angiographyMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Cardiac allograft vasculopathy (CAV) is a leading cause of mortality after heart transplantation. Noninvasive imaging techniques used in CAV evaluation have important limitations. In a cross-sectional study, we investigated perfusion cardiac magnetic resonance (CMR) imaging to determine an optimal myocardial perfusion reserve index (MPR) cutoff for detecting CAV using receiver operating characteristic curve analysis. We evaluated CMR performance using sensitivity, specificity and likelihood ratio analysis. We included 29 patients (mean 5 ± 4 years after transplant) scheduled for coronary angiography with intravascular ultrasound (IVUS) who completed CMR. CAV was defined as maximal intimal thickness (MIT) >0.5 mm by IVUS of the left anterior descending artery. CAV was evident in 19 patients (70%) on IVUS (mean MIT 0.82 ± 0.42 mm). MPR was significantly lower in patients with MIT ≥0.50 mm (1.35 ± 0.23 vs. 1.71 ± 0.45, p = 0.013). There was moderate inverse correlation between MPR and MIT (r = −0.36, p = 0.075). The optimal MPR cutoff ≤1.68 for predicting CAV showed sensitivity of 100%, specificity of 63%, a negative predictive value of 100%, a positive predictive value of 86% and a positive likelihood ratio of 2.7. An MPR ≤1.68 has high negative predictive value, suggesting its potential as a test to rule out CAV. Cardiac allograft vasculopathy (CAV) is a leading cause of mortality after heart transplantation. Noninvasive imaging techniques used in CAV evaluation have important limitations. In a cross-sectional study, we investigated perfusion cardiac magnetic resonance (CMR) imaging to determine an optimal myocardial perfusion reserve index (MPR) cutoff for detecting CAV using receiver operating characteristic curve analysis. We evaluated CMR performance using sensitivity, specificity and likelihood ratio analysis. We included 29 patients (mean 5 ± 4 years after transplant) scheduled for coronary angiography with intravascular ultrasound (IVUS) who completed CMR. CAV was defined as maximal intimal thickness (MIT) >0.5 mm by IVUS of the left anterior descending artery. CAV was evident in 19 patients (70%) on IVUS (mean MIT 0.82 ± 0.42 mm). MPR was significantly lower in patients with MIT ≥0.50 mm (1.35 ± 0.23 vs. 1.71 ± 0.45, p = 0.013). There was moderate inverse correlation between MPR and MIT (r = −0.36, p = 0.075). The optimal MPR cutoff ≤1.68 for predicting CAV showed sensitivity of 100%, specificity of 63%, a negative predictive value of 100%, a positive predictive value of 86% and a positive likelihood ratio of 2.7. An MPR ≤1.68 has high negative predictive value, suggesting its potential as a test 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil0,554

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,286
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of TransplantationMême sujetTransplantation: Methods and OutcomesTravaux en français237 207