Left ventricular structure and diastolic function by cardiac magnetic resonance imaging in hypertrophic cardiomyopathy
Notice bibliographique
Résumé
OBJECTIVE: Diastolic dysfunction is common in hypertrophic cardiomyopathy (HCM) and hypertensive heart disease (HHD), but its relationships with left ventricular (LV) parameters have not been well studied. Our objective was to assess the relationship of various measures of diastolic function, and maximum left ventricular wall thickness (MLVWT) and left ventricular mass index (LVMI) in HCM, HHD and normal controls using cardiac magnetic resonance imaging (CMR). We also assessed LV parameters and diastolic function in relation to late gadolinium enhancement (LGE) and right ventricular (RV) hypertrophy in HCM. METHODS: 41 patients with HCM, 21 patients with HHD and 20 controls were studied. Peak filling rate (PFR), time to peak filling (TPF), MLVWT and LVMI were measured using CMR. LGE and RV morphology were assessed in HCM patients. RESULTS: MLVWT correlated with TPF in HCM (r=0.38; p=0.02), HHD (r=0.58; p=0.01) and controls (r=0.54; p=0.01); correlation between MLVWT and TPF was weaker in HCM than HHD. LVMI did not correlate with diastolic function. In HCM, LGE extent correlated with MLVWT (τ=0.41; p=0.002) and with TPF (τ=0.29; p=0.02). The HCM patients with RV hypertrophy had higher MLVWT (p<0.001) and TPF (p=0.03) than patients without RV hypertrophy. CONCLUSION: MLVWT correlates with diastolic function (TPF) in HCM, HHD and controls. LVMI did not show significant correlation with TPF. The diastolic dysfunction in HCM is not entirely explained by wall thickening. LGE and RV involvement are associated with worse LV diastolic function, suggesting that these may be markers of more severe underlying myocardial disarray and fibrosis that contribute to diastolic dysfunction.
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 | 0,001 |
| 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 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 ».