Towards the Clinical utility of CFD for assessment of intracranial aneurysm rupture – a systematic review and novel parameter-ranking tool
Notice bibliographique
Résumé
BACKGROUND: Intracranial aneurysms (IAs) are vascular dilations on cerebral vessels that affect between 1%-5% of the general population, and can cause life-threatening intracranial hemorrhage when ruptured. Computational fluid dynamics (CFD) has emerged as a promising tool to study IAs in recent years, particularly for rupture risk assessment. However, despite dozens of studies, CFD is still far from clinical use due to large variations and frequent contradictions in hemodynamic results between studies. PURPOSE: To identify key gaps in the field of CFD for the study of IA rupture, and to devise a novel tool to rank parameters based on potential clinical utility. METHODS: A Pubmed search identified 231 CFD studies for IAs. Forty-six studies fit our inclusion criteria, with a total of 2791 aneurysms. For included studies, study type, boundary conditions, solver resolutions, parameter definitions, geometric and hemodynamic parameters used, and results found were recorded. DATA SYNTHESIS: Aspect ratio, aneurysm size, low wall shear stress area, average wall shear stress, and size ratio were the parameters that correlate most strongly with IA rupture. LIMITATIONS: Significant differences in parameter definitions, solver spatial and temporal resolutions, number of cycles between studies as well as frequently missing information such as inlet flow rates were identified. A greater emphasis on prospective studies is also needed. CONCLUSIONS: Our recommendations will help increase standardization and bridge the gaps in the CFD community, and expedite the process of making CFD clinically useful in guiding the treatment of IAs.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| 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 | 0,001 |
| 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 ».