MétaCan
Menu
Retour à la cohorte
Enregistrement W2737485096 · doi:10.1136/heartjnl-2017-311726.113

114 Detecting ischaemia in flow limiting multi-vessel disease – is 3d perfusion cmr where the money lies?

2017· article· en· W2737485096 sur OpenAlexaff
Joy Shome, Mr Kerem.C Tezcan, Sohaib Nazir, Adriana Villa, David Snell, Kamran Baig, Simon Redwood, Brian Clapp, Antonis N. Pavlidis, Reza Razavi, Tevfik F. Ismail, Divaka Perera, Sebastian Kozerke, Sven Plien

Notice bibliographique

RevueHeart · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineFractional flow reserveCardiologyCoronary artery diseasePerfusionInternal medicinePerfusion scanningRadiologyStenosisCoronary circulationBlood flowCoronary angiographyMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Introduction Myocardial perfusion cardiovascular magnetic resonance (CMR) is a highly accurate non-invasive imaging modality in the diagnosis of coronary artery disease (CAD). High-resolution (hi-res) two-dimensional (2D) perfusion CMR can better detect sub-endocardial ischaemia although with the disadvantage of lesser myocardial coverage. Three-dimensional (3D) perfusion provides whole heart coverage but has a comparatively inferior resolution. The superiority of fractional flow reserve (FFR) over visual angiographic assessment in determining functional significance of a coronary stenosis is now well established. We studied the diagnostic agreement between hi-res 2D and 3D perfusion CMR in patients with significant multi-vessel flow limiting CAD as confirmed by FFR on a per patient and per vessel basis. Methods Patients with suspected stable CAD referred for invasive coronary angiography as part of their routine clinical care were prospectively recruited. Prior to revascularisation (if performed) all patients underwent both hi-res 2D adenosine vasodilator stress and 3D adenosine stress perfusion scans during the same sitting. Visually, coronary stenoses less than 50% were deemed not to be flow limiting, whereas those 80% or more were considered as flow limiting. For stenoses between 50%–80% FFR study was performed, with FFR of 0.8 or less considered functionally significant. Blinded, independent, qualitative visual analysis by two experienced readers was performed to confirm existence of true perfusion defects on both 2D and 3D perfusion CMR datasets. Vascular territories in relation to CMR perfusion defects were assigned as per AHA 16 segment classification. Results Prevalence of CAD was 62%. Of the 29 patients studied, 6 (21%) had single-vessel disease, 8 (27%) had two-vessel disease (2VD), 4 (14%) had three-vessel disease (3VD), and 11 (38%) had no significant CAD. In view of the small sample size qualitative analysis was undertaken to determine concordance between hi-res 2D and 3D perfusion CMR. Prevalence of perfusion defects relating to the three vascular territories have been detailed in Table 1. Conclusions Our study shows an excellent agreement for both modalities in detecting FFR positive CAD on a per patient basis. On a per vessel basis, between the two, agreement in the LAD territory appears to be best. Discrepancy appears to be most in the circumflex territory. 3D perfusion CMR appears to detect circumflex ischaemia more accurately possibly due to better coverage of the basal left ventricle. (Ref Fig 1 and Fig 2) The lateral wall is often the thinnest making it more difficult to detect perfusion abnormalities – better coverage with 3D may be beneficial here. However, in the circumflex vascular territory we also observe that, in the absence of flow limiting disease in the circumflex artery (comparatively with the LAD and RCA) perfusion defects appear to be more prevalent, reflecting a limitation of the AHA classification. Abstract 114 Figure 1 3D perfusion images showing perfusion defects in LAD (see blue arrows) and circumflex territory (see red arrows) Abstract 114 Table 1 Abstract 114 Figure 2 High resolution 2D perfusion images in the same patient showing perfusion defects in the LAD territory only (see blue arrows)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,306
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeartMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207