Virtual electrophysiological study as a tool for evaluating efficacy of MRI techniques in predicting adverse arrhythmic events in ischemic patients
Notice bibliographique
Résumé
Myocardial infarct (MI) related indices determined by late gadolinium enhancement (LGE) MRI have been widely investigated in determining patients suitable for implantable cardiovascular-defibrillator (ICD) therapy to complement left ventricular ejection fraction (LV EF). In comparison to LGE-MRI using inversion-recovery fast-gradient-echo (IR-FGRE), T1 mapping techniques, such as multi contrast late enhancement (MCLE), have been shown to provide more quantitative and reproducible estimates of infarct regions. The objective of this study is to use individualized heart computer models in determining the efficacy of IR-FGRE and MCLE techniques in predicting the occurrence of post-MI ventricular tachycardia (VT). Twenty-seven patients with MI underwent LGE-MRI using IR-FGRE and MCLE prior to ICD implantation and were followed up for 6-46 months. Individualized image-based computational models were built separately for each imaging technique; simulations of propensity to VT were conducted with each model. The imaging methods were evaluated by comparing simulated inducibility of VT to clinical outcome (appropriate ICD therapy) in patients. Twelve patients had at least one appropriate ICD therapy for VT at follow-up. For both MCLE and IR-FGRE, the outcomes of the simulations of VT were significantly associated with the events of appropriate ICD therapy. This indicates that, as compared to conventional measurements such as LV EF, the simulations of VT corresponding to both MCLE and IR-FGRE were more sensitive in predicting appropriate ICD therapy in post-MI patients.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 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 ».