Insonation versus Auscultation in Valvular Disorders: Is Aortic Stenosis the Exception? A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Handheld echocardiography is being proposed as the fifth pillar of bedside physical cardiovascular examination (PE) and is referred to as insonation. Although there is emerging consensus that insonation is superior to PE for diagnosis of various cardiac conditions, superiority has not been consistently demonstrated for various valvular heart disease (VHD) lesions. The objective of this review is to systematically review the accuracy of insonation and auscultation in published literature for detection of common VHD. METHODS: An extensive literature search across three commonly used public databases allowed comparison of diagnostic characteristics of insonation and auscultation for common VHD including aortic stenosis, mitral regurgitation, aortic regurgitation, tricuspid regurgitation. Sensitivity, specificity, and accuracy of insonation and auscultation for the detection of these VHD lesions were extracted for further analysis. The quality of evidence was assessed according to Grading of Recommendations Assessment, Development and Evaluation (GRADE) methodology. RESULTS: Eight hundred eighty studies were screened, and seven observational studies were selected for full analysis. Due to heterogeneity of data, this study was not amenable to meta-analysis. Insonation was superior to auscultation for the detection of all regurgitant lesions, but there was no significant difference in diagnostic ability of the two strategies for detection of aortic stenosis. CONCLUSIONS: Compared to auscultation, insonation, in its currently available form, is a superior diagnostic tool for regurgitant lesions. However, insonation fails to improve upon auscultation for recognition of aortic stenosis. This limitation is likely due to absence of spectral Doppler and inability of HE to assess transvalvular velocity and gradient.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».