Simplifying the assessment of coronary artery stenosis by enhancing instantaneous wave free ratio
Notice bibliographique
Résumé
Background: Instantaneous wave free ratio (iFR) does not require adenosine, but has a relatively wide intermediate range where functional assessment remains inconclusive. In this pilot study, we sought to enhance iFR through with the use of intracoronary (IC) saline (iFRs) and contrast media (iFRc) and determine whether these techniques correlated well with fractional flow reserve (FFR). Methods: Patients with coronary artery stenosis (CAS) associated with an iFR in the intermediate zone (≥0.86 and ≤0.93) were prospectively assessed with resting distal coronary pressure/aorta pressure (Pd/Pa), iFR, iFRs, iFRc and FFR. Results: A total of 40 coronary lesions were studied (40 patients). Pearson correlation coefficients for FFR and iFR, FFR and iFRs, FFR and iFRc were respectively: 0.57 (P=0.0002), 0.80 (P<0.0001) and 0.77 (P<0.0001). Receiver-operating characteristic (ROC) curve analysis showed similar area under the curve (AUC) of iFRs and iFR [0.90 (95% CI: 0.76–1) vs. 0.89 (95% CI: 0.79–0.99), P=0.89]. Youden’s index established cut-off values of ≤0.90 for iFR (sensitivity =91%, specificity =74%) and ≤0.78 for iFRs (sensitivity =73%, specificity =100%). In contrast, the AUC of iFRc was superior to the AUC of iFR [0.99 (95% CI: 0.98–1), P=0.049]. iFRc showed excellent accuracy and established cut-off values of ≤0.81 in predicting an FFR value of ≤0.80 (sensitivity =100%, specificity =93%). Conclusions: When iFR is in the intermediate zone, functional assessment of CAS by iFR is enhanced with the use of contrast media but not saline. This pilot study could be hypothesis generating for further study to enhance iFR specificity and sensibility.
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 | 0,001 |
| 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 ».