P864Diagnostic performance of computed tomography derived fractional flow reserve on functional ischemia of coronary stenosis in each culprit vessel
Notice bibliographique
Résumé
Background: Fractional flow reserve (FFR) is the gold standard for identifying functional severity of coronary artery disease (CAD). Although computation of FFR from coronary computed tomography angiography (FFRct) recently provided high diagnostic accuracy for identifying functional lesion severity, it was unclear whether those were similar in each vessel. Purpose: The purpose of this study was to evaluate the diagnostic performance of FFRct between left anterior descending artery (LAD) and non-LAD. Methods: We prospectively enrolled stable CAD patients with 47 lesions which were performed both FFRct and invasive FFR measurements. Functional ischemia was defined as FFR ≤0.80. Results: In this subjects, 26 lesions were distributed in LAD. FFRct showed a good correlation with invasive FFR (r=0.71, p<0.01). From the ROC curve analysis, the diagnostic accuracy of FFRct was 81% (AUC 0.87, sensitivity 89%, specificity 76%) in overall subjects. The diagnostic accuracy was higher in LAD than in non-LAD (88% vs. 52%). The Bland-Altman plot between FFRct and invasive FFR demonstrated better agreement with a mean difference of 0.019 and a standard deviation of 0.063 in LAD compared to a mean difference of 0.108 and 0.073 in non-LAD.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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.
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 ».