Impact of contrast echocardiography on accurate discrimination of specific degree of left ventricular systolic dysfunction and comparison with cardiac magnetic resonance imaging
Notice bibliographique
Résumé
AIM: Limited data exist on the impact of contrast-enhanced echocardiography on treatment decisions in heart failure patients that require specific left ventricular ejection fraction (LVEF) criteria. This study assessed accuracy of contrast-enhanced echocardiography in identifying patients with LVEF >35% vs ≤35% with cardiac magnetic resonance (CMR) used as reference method. METHODS AND RESULTS: Fifty-five patients from prospective Alberta HEART cohort with LVEF ≤50% on CMR were included. All patients had echocardiography performed within 2 weeks of CMR. Contrast agent was used when ≥2 contiguous LV endocardial segments were poorly visualized on echocardiography. LVEF was computed by Simpson's biplane method using non-contrast echocardiography and contrast-enhanced echocardiography and by outlining the endocardial contours in short-axis cine CMR images. Strong agreement in LV volumes and LVEF was seen between CMR and echocardiography with and without contrast (intra-class correlation coefficients >0.8) with less underestimation of LV volumes by contrast-enhanced echocardiography. Good agreement in LVEF ≤35% vs >35% was seen between CMR and non-contrast echocardiography with optimal images (κ 0.862) and contrast echocardiography (κ 0.769) while it was moderate for non-contrast echocardiography with suboptimal images (κ 0.491). The use of LV contrast in patients with suboptimal images (n = 39) resulted in correctly upgrading LVEF from ≤35% to >35% in 5 (13%) patients and downgrading LVEF from >35% to ≤35% in 2 (5%) patients using CMR as reference. CONCLUSIONS: Contrast-enhanced echocardiography in heart failure patients with suboptimal images helps to more accurately assess eligibility for specific therapies and avoid need for further testing, therefore should be considered routine part of echocardiographic assessment.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».