Perfusion Cardiac Magnetic Resonance Imaging as a Rule-Out Test for Cardiac Allograft Vasculopathy
Notice bibliographique
Résumé
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 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».