Improved diagnostic accuracy when combining computed tomography angiography and corrected coronary opacification in patients with coronary stents
Notice bibliographique
Résumé
Background The accuracy of coronary computed tomography angiography (CCTA) is sub-optimal in patients with coronary stents. Methods that can increase its diagnostic accuracy are desirable. Objective A proof-of-concept study was undertaken to determine if corrected coronary opacification (CCO) differences can improve the accuracy of CCTA in stented coronary arteries. Methods PCI patients who underwent both CCTA and invasive coronary angiography (ICA) within 3 months were analyzed. Coronary luminal attenuation values (normalized to the aorta) were measured proximally and distally to coronary stents. CCO differences were evaluated for ability to predict (i) stenosis on invasive angiography, (ii) abnormal resting coronary flow as measured by the corrected thrombolysis in myocardial infarction (TIMI) frame count (cTFC), and (iii) the combination of abnormal resting flow and significant stenosis on invasive angiography. Results Twenty-nine stented coronary arteries (n = 25, mean age =61.4 years, men =80.0%) were assessed. In stented coronary vessels, CCO identified stenosis (≥ 70%) with an area under the curve of 0.767 (P = 0.021). CCO predicted abnormal resting coronary flow with high accuracy (AUC =0.867, P = 0.002). Combined CCTA/CCO identified both abnormal cTFC and stenosis ≥70% on ICA (functionally significant stenosis) with diagnostic accuracy of 92.3%. In contrast, CCTA visual assessment alone had lower diagnostic accuracy of 66.7% for identifying functionally significant stenosis. Conclusion CCO differences are predictive of abnormal resting flow and consequently, in-stent restenosis. Incorporation of this technique may improve the specificity of CCTA in PCI patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».