MétaCan
Menu
Retour à la cohorte
Enregistrement W2963231672 · doi:10.1148/radiol.2019182673

Determinants of Rejection Rate for Coronary CT Angiography Fractional Flow Reserve Analysis

2019· article· en· W2963231672 sur OpenAlexaff
Gianluca Pontone, Jonathan Weir‐McCall, Andrea Baggiano, Alberico Del Torto, Laura Fusini, Marco Guglielmo, Giuseppe Muscogiuri, Andrea Igoren Guaricci, Daniele Andreini, Manesh R. Patel, Koen Nieman, Takashi Akasaka, Campbell Rogers, Bjarne Linde Nørgaard, Jeroen J. Bax, Gilbert Raff, Kavitha M. Chinnaiyan, Daniel S. Berman, Timothy Fairbairn, Lynne Koweek, Jonathon Leipsic

Notice bibliographique

RevueRadiology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFractional flow reserveMedicineCoronary angiographyCardiologyAngiographyInternal medicineRadiologyMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Background Coronary artery fractional flow reserve (FFR) derived from CT angiography (FFTCT) enables functional assessment of coronary stenosis. Prior clinical trials showed 13%–33% of coronary CT angiography studies had insufficient quality for quantitative analysis with FFRCT. Purpose To determine the rejection rate of FFRCT analysis and to determine factors associated with technically unsuccessful calculation of FFRCT. Materials and Methods Prospectively acquired coronary CT angiography scans submitted as part of the Assessing Diagnostic Value of Noninvasive FFRCT in Coronary Care (ADVANCE) registry (https://ClinicalTrials.gov: NCT02499679) and coronary CT angiography series submitted for clinical analysis were included. The primary outcome was the FFRCT rejection rate (defined as an inability to perform quantitative analysis with FFRCT). Factors that were associated with FFRCT rejection rate were assessed with multiple linear regression. Results In the ADVANCE registry, FFRCT rejection rate due to inadequate image quality was 2.9% (80 of 2778 patients; 95% confidence interval [CI]: 2.1%, 3.2%). In the 10 621 consecutive patients who underwent clinical analysis, the FFRCT rejection rate was 8.4% (n = 892; 95% CI: 6.2%, 7.2%; P < .001 vs the ADVANCE cohort). The main reason for the inability to perform FFRCT analysis was the presence of motion artifacts (63 of 80 [78%] and 729 of 892 [64%] in the ADVANCE and clinical cohorts, respectively). At multivariable analysis, section thickness in the ADVANCE (odds ratio [OR], 1.04; 95% CI: 1.001, 1.09; P = .045) and clinical (OR, 1.03; 95% CI: 1.02, 1.04; P < .001) cohorts and heart rate in the ADVANCE (OR, 1.05; 95% CI: 1.02, 1.08; P < .001) and clinical (OR, 1.06; 95% CI: 1.05, 1.07; P < .001) cohorts were independent predictors of rejection. Conclusion The rates for technically unsuccessful CT-derived fractional flow reserve in the ADVANCE registry and in a large clinical cohort were 2.9% and 8.4%, respectively. Thinner CT section thickness and lower patient heart rate may increase rates of completion of CT fractional flow reserve analysis. Published under a CC BY 4.0 license. Online supplemental material is available for this article. See also the editorial by Sakuma in this issue.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,083
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,083
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,296
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207