Quantification of plaque characteristics detected by dual source computed tomography angiography to predict myocardial ischemia as assessed by single photon emission computed tomography myocardial perfusion imaging
Notice bibliographique
Résumé
Background: We aim to evaluate the relationship between quantitative plaque characteristics detected by dual-source computed tomography angiography (DSCTA) and myocardial ischemia as assessed by single photon emission computed tomography myocardial perfusion imaging (SPECT-MPI). Methods: In this study, 460 consecutive patients with suspected coronary artery disease (CAD) underwent DSCTA and stress/rest SPECT-MPI, and 179 patients with coronary artery plaques were quantitatively analyzed. Quantitative coronary artery plaque measurements including total plaque volume, the volume of non-calcified plaque, calcified plaque volume, low-density noncalcified plaque volume, total plaque burden, calcified plaque burden, non-calcified plaque burden, low-density non-calcified plaque (LDNCP) burden, remodeling index, plaque length, maximum diameter stenosis were provided by the automated software (Release 5.6.5, Circle Cardiovascular Imaging, Canada). Univariate and multivariate logistic regression analysis was performed to assess the correlation between quantitative plaque characteristics and myocardial ischemia to determine if plaque characteristics were independent of clinical risk factors and significant CAD. Results: One hundred and seventy-nine patients (65% males) with suspected-CAD, undergoing DSCTA and stress/rest SPECT-MPI and single vessel ischemia were considered. There were significant correlations between quantitative assessment of plaque features and myocardial ischemia with details as follow: total plaque volume [25.2 (17.8–37.8) vs. 15.6 (10.3–24.9) mm 3 , P<0.001], calcified plaque volume (1.6±7.1 vs. 2.3±6.4 mm 3 , P=0.019), non-calcified plaque volume [23.6 (16.6–35.9) vs. 14.6 (10.3–22.8) mm 3 , P<0.001)], LDNCP volume [4.9 (2.1–8.2) vs. 2.2 (1.0–5.5) mm 3 , P=0.003], total plaque burden (47.6%±17.1% vs. 36.2%±17.3%, P=0.002), calcified plaque burden (1.5%±5.5% vs. 2.9%±6.9%, P=0.014), non-calcified plaque burden (46.1%±18.8% vs. 33.3%±16.4%, P=0.001), LDNCP burden [12.3% (6.4–17.7) vs. 3.3% (1.6–5.3), P<0.001], remodeling index [1.2 (1.1–1.4) vs. 1.0 (1.1–1.2), P<0.001], plaque length [4.0 (3.2–6.1) vs. 3.3 (2.8–3.8) mm, P=0.009], maximum diameter stenosis [18.1% (10.0–52.9) vs. 12.9% (6.5–18.5), P=0.011]. In a multivariate analysis, low-density noncalcified plaque burden (OR 1.33; 95% CI, 1.16–1.53, P<0.001) remained a significant predictor of myocardial ischemia after adjusting for stenosis ≥50% and gender. The area under curve (AUC) of the model containing LDNCP burden, stenosis ≥50% and gender was 0.875 (95% CI, 0.812–0.938), which was significantly better than the model with stenosis ≥50% and gender (AUC 0.729; 95% CI, 0.633–0.825). Conclusions: Quantitative plaque characteristics detected by DSCTA are independently correlated with the incidence of myocardial ischemia by SPECT-MPI in patients with suspected CAD.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».