Intervendor consistency and reproducibility of left ventricular 2D global and regional strain with two different high-end ultrasound systems
Notice bibliographique
Résumé
AIMS: We aimed to assess intervendor agreement of global (GLS) and regional longitudinal strain by vendor-specific software after EACVI/ASE Industry Task Force Standardization Initiatives for Deformation Imaging. METHODS AND RESULTS: Fifty-five patients underwent prospective dataset acquisitions on the same day by the same operator using two commercially available cardiac ultrasound systems (GE Vivid E9 and Philips iE33). GLS and regional peak longitudinal strain were analyzed offline using corresponding vendor-specific software (EchoPAC BT13 and QLAB version 10.3). Absolute mean GLS measurements were similar between the two vendors (GE -17.5 ± 5.2% vs. Philips -18.9 ± 5.1%, P = 0.15). There was excellent intervendor correlation of GLS by the same observer [r = 0.94, P < 0.0001; bias -1.3%, 95% CI limits of agreement (LOA) -4.8 to 2.2%). Intervendor comparison for regional longitudinal strain by coronary artery territories distribution were: LAD: r = 0.85, P < 0.0001; bias 0.5%, LOA -5.3 to 6.4%; RCA: r = 0.88, P < 0.0001; bias -2.4%, LOA -8.6 to 3.7%; LCX: r = 0.76, P < 0.0001; bias -5.3%, LOA -10.6 to 2.0%. Intervendor comparison for regional longitudinal strain by LV levels were: basal: r = 0.86, P < 0.0001; bias -3.6%, LOA -9.9 to 2.0%; mid: r = 0.90, P < 0.0001; bias -2.6%, LOA -7.8 to 2.6%; apical: r = 0.74; P < 0.0001; bias -1.3%, LOA -9.4 to 6.8%. CONCLUSIONS: Intervendor agreement in GLS and regional strain measurements have significantly improved after the EACVI/ASE Task Force Strain Standardization Initiatives. However, significant wide LOA still exist, especially for regional strain measurements, which remains relevant when considering vendor-specific software for serial measurements.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».