MétaCan
Menu
Retour à la cohorte
Enregistrement W2964648076 · doi:10.1136/heartjnl-2019-315042

Diagnosis of patients with angina and non-obstructive coronary disease in the catheter laboratory

2019· review· en· W2964648076 sur OpenAlexaboutno aff
Haseeb Rahman, David Corcoran, Muhammad Aetesam‐ur‐Rahman, Stephen P. Hoole, Colin Berry, Divaka Perera

Notice bibliographique

RevueHeart · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesBritish Heart Foundation
Mots-clésMedicineCoronary artery diseaseCatheterAnginaCoronary angiographyFractional flow reserveIntensive care medicineDiseasePopulationInterventional cardiologyCanadian Cardiovascular SocietyCardiologyCath labHealth careInternal medicineClinical trialRadiologyMyocardial infarctionConventional PCI

Résumé

récupéré en direct d'OpenAlex

Around 40% of all patients undergoing angiography are found to have normal coronary arteries or non-obstructive coronary artery disease (NOCAD). Despite the high prevalence, this is a group who rarely receive a definitive diagnosis, are frequently labelled and managed inappropriately and by and large, continue to remain symptomatic. Half of this group will have coronary microvascular dysfunction (CMD), associated with a higher rate of major adverse cardiovascular events; identifying CMD represents a therapeutic target of unmet need. As the pressure wire has revolutionised our ability to interrogate epicardial coronary disease during the time of angiography, measuring flow can similarly classify NOCAD during a single procedure. Assessment of flow is a function that is already integral to some pressure wires and furthermore, the familiarity and usage of the combined Doppler and pressure wire is rapidly increasing-these are techniques that readily lend themselves to the skillset of a practising interventional cardiologist. We present a structured algorithm designed for cardiologists who frequently encounter NOCAD in the catheter laboratory, identifying specific disease phenotypes within this heterogeneous population with linked therapy. This review paper clearly explains the rationale for this algorithm and outlines its applicability to routine clinical practice and also, the importance of phenotyping for future research. Ultimately, personalised therapy could improve outcomes for both patients and healthcare providers; while these approaches in turn will need robust evaluation to ensure that they improve both clinical outcomes and health economic benefits, this proposal will provide a framework for future trials and evaluations.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,303
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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations85
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeartMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207