MétaCan
Menu
← Retour à la cohorte
Enregistrement W2972089796

Assessment of Left Ventricular Ejection Fraction with multifocal collimators: Comparison between IQ-SPECT, Planar Equilibrium Radionuclide Angiography, and Cardiac Magnetic Resonance

2018· article· en· W2972089796 sur OpenAlexaff
Matthieu Pelletier‐Galarneau, Vincent Finnerty, Stéphanie Tan, Sébastien Authier, Jean‐Pierre Grégoire, François Harel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésEjection fractionMedicineCardiac magnetic resonance imagingRadionuclide ventriculographyMagnetic resonance imagingRadionuclide angiographyNuclear medicineCardiologyInternal medicineRadiologyHeart failure
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

511 Background: IQ-SPECT has been shown to significantly reduce acquisition time and administered dose while preserving image quality in myocardial perfusion imaging. The accuracy of gated blood-pool SPECT (GBPS) with IQ-SPECT to assess left ventricular ejection fractions (LVEF) and left ventricular end diastolic volumes (LVEDV) remains unknown. The purpose of this study is to compare LVEF and LVEDV obtained with IQ-SPECT to planar ventriculography and cardiac magnetic resonance imaging (cMRI). Methods: Sixty consecutive patients who underwent IQ-SPECT GBPS and planar imaging were included. Among those patients, 11 also underwent cMRI within 30 days of their GBPS. IQ-SPECT LVEF and LVEDV were calculated automatically using 2 validated software: QBS and MHI (Harel et al, 2007, 2010). IQ-SPECT LVEF measurements were compared to planar LVEF and cMRI LVEF. IQ-SPECT LVEDV measurements were compared to cMRI LVEDV. Results: Average ± SD planar LVEF was 48 ± 11 % (range 23 to 70 %) and average GBPS LVEDV was 177 ± 59mL (range 63 to 342 mL). Average ± SD GBPS LVEF were 40 ± 12 % and 44 ± 12 % with QBS and MHI respectively. Correlation coefficients between IQ-SPECT and planar LVEF were r=0.70 and r=0.83 for QBS and MHI respectively. Correlation coefficient between cMRI and planar LVEF was 0.69. Correlation coefficients between cMRI and GBPS LVEF were 0.52 and 0.65 using QBS and MHI respectively. Correlation coefficient between cMRI and GBPS LVEDV was 0.80 with both QBS and MHI. There was no significant correlation between the planar and GBPS LVEF difference versus LVEDV with QBS (r=0.03, p=0.81) and MHI (r=0.14, p=0.29). Conclusions: : LVEF calculated with GBPS using IQ-SPECT correlates well with planar measurements for a broad range of LVEF and LVEDV. Correlation is best using the MHI method and variation is independent of LVEDV. Furthermore, there is very good correlation between LVEDV measured with GBPS using IQ-SPECT and cMRI. These results suggest that IQ-SPECT can be used for the assessment of LVEF and LVEDV with GBPS.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
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)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,314
Écart entre enseignants0,299 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Imaging Techniques and Applications→Travaux en français237 207→