Comparison of Carotid Doppler Ultrasound to Other Angiographic Modalities in the Measurement of Carotid Artery Stenosis
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The purpose of this study was to compare Doppler ultrasound (DUS) to other angiographic modalities: computed tomography angiography (CTA), magnetic resonance angiography (MRA), and digital subtraction angiography (DSA). METHODS: All DUS studies performed at Stroke Prevention Clinic (SPC) from 2011 to 2013 and referred for further angiographic modalities were included. Patients were excluded if the corresponding angiographic modality was not performed within 6 months of DUS. Patients were also excluded if they underwent interventions before DUS or between the time of DUS and the corresponding angiographic modality. The degree of stenosis was classified as mild (<50%), moderate (50-69%), severe (70-99%), or occlusion (100%). RESULTS: In total, 245 patients were identified. Nine patients were excluded (3.7%). Overall 472 Doppler studies of single ICAs from 236 patients were included in our analysis. Age was 65 ± 13 years and 136 patients were males (57.6%). There was an excellent agreement between DUS and CTA (kappa = .9 [P < .001], n = 274), good agreement with MRA (kappa = .8 [P < .001], n = 242), and excellent agreement with DSA (kappa = .92 [P < .001], n = 18). There was excellent agreement between CTA and MRA (kappa = .87, n = 46). CONCLUSION: Doppler ultrasound performed in a dedicated SPC by an experienced sonographer and reviewed by a certified stroke neurologist serves as a reliable initial screening tool in determining carotid artery stenosis.
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 | 0,001 | 0,000 |
| 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 ».