Consistent tracer administration profile improves test–retest repeatability of myocardial blood flow quantification with 82Rb dynamic PET imaging
Notice bibliographique
Résumé
Quantification of myocardial blood flow (MBF) and stress/rest flow reserve is used increasingly to diagnose multi-vessel coronary artery disease and micro-vascular disease with PET imaging. However, variability in the measurements may limit physician confidence to direct revascularization therapies based on specific threshold values. This study evaluated the effects of rubidium-82 (82Rb) tracer injection profile using a constant-activity-rate (CA) vs a constant-flow-rate (CF) infusion to improve test–retest repeatability of MBF measurements. 22 participants underwent single-session 82Rb dynamic PET imaging during rest and dipyridamole stress using one of 2 test–retest infusion protocols: CA–CA (n = 12) or CA–CF (n = 10). MBF was quantified using a single-tissue-compartment model (1TCM) and a simplified retention model (SRM). Non-parametric test–retest repeatability coefficients (RPCnp) were compared between groups. Myocardium-to-blood contrast and signal-to-noise ratios of the late uptake images (2 to 6 minutes) were also compared to evaluate standard myocardial perfusion image (MPI) quality. MBF values in the CA–CA group were more repeatable (smaller RPCnp) than the CA–CF group using the 1TCM at rest alone, rest and stress combined, and stress/rest reserve (21% vs 36%, 16% vs 19%, and 20% vs 27%, P < 0.05, respectively), and using the SRM at Rest and Stress alone, Rest and Stress combined, and stress/rest reserve (21% vs 38%, 15% vs 25%, 22% vs 38%, and 23% vs 49%, P < 0.05, respectively). In terms of image quality, myocardium-to-blood contrast and signal-to-noise ratios were not significantly different between groups. Constant-activity-rate ‘square-wave’ infusion of 82Rb produces more repeatable tracer injection profiles and decreases the test–retest variability of MBF measurements, when compared to a constant-flow-rate ‘bolus’ administration of 82Rb, especially with SRM, and without compromising standard MPI quality.
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 | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».