Lesion characteristics and coronary stent selection with computed tomographic coronary angiography: a pilot investigation comparing CTA, QCA and IVUS.
Notice bibliographique
Résumé
OBJECTIVE: The accurate assessment of a target coronary lesion and appropriate stent selection is important in ensuring procedural success during percutaneous coronary intervention (PCI). Though quantitative coronary angiography (QCA) and intravascular ultrasound (IVUS) are available, stent selection is most commonly performed by visual estimation alone. Computed tomographic coronary angiography (CTA) has been shown to correlate well with QCA and IVUS in the assessment of coronary stenoses and may also have a role in stent guidance. MATERIALS AND METHODS: Patients awaiting elective PCI underwent CTA. Blinded observers assessed lesion characteristics using: CTA, QCA, IVUS and visual estimation. Luminal diameters, lesion lengths, ACC/AHA lesion types and CTA-suggested stent sizes were compared. RESULTS: A total of 17 patients (26 lesions) were evaluated. There was good correlation between CTA and IVUS for luminal diameter and for lesion length (r = 0.86 and 0.71, respectively). Similarly, the inter-test variability between the two methods using the intra-class coefficient (ICC = 0.85) was similar to the inter-observer variability of IVUS (ICC = 0.90). The agreement between CTA and visual estimation for lesion type was good (K = 0.79) and was similar to the agreement between the two visual observers (K = 0.72). There was good correlation between CTA stent recommended and actual stent selected (diameter, r = 0.82; length, r = 0.64). CONCLUSIONS: If CTA data is available prior to coronary angioplasty, the reporting of luminal size, length, and lesion type may assist the clinician with coronary stent selection.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».