1185Head-to-head comparison of FFR-CT against coronary CT angiography and myocardial perfusion imaging for the diagnosis of ischaemia
Notice bibliographique
Résumé
Background: Non-invasive fractional flow reserve (FFR) computation from coronary computed tomography (CT) angiography datasets (FFR-CT) has recently emerged as a promising non-invasive test to assess hemodynamic severity of coronary artery disease (CAD). However, to date, comparative studies are lacking regarding the diagnostic accuracy in comparison with more traditional myocardial perfusion imaging with single-photon emission computed tomography (SPECT) and positron emission tomography (PET) Methods: This sub analysis from the PACIFIC trial involved 208 prospectively included patients with suspected stable CAD, who underwent 256-slice coronary CT angiography, 99mTc-tetrofosmin SPECT, [15O]H2O PET, and routine three-vessel invasive FFR measurements. FFR-CT values were retrospectively derived from the coronary CT angiography images. Images from each modality were interpreted in a blinded fashion by independent core laboratories. The diagnostic performance of FFR-CT was compared with coronary CT angiography, SPECT, and PET, using invasively measured FFR ≤0.80 as the reference standard for ischaemia. Results: In total, 505 out of 612 (83%) vessels could be evaluated with FFR-CT. On a per-vessel basis, sensitivity, specificity, and diagnostic accuracy were 90, 86, and 87% for FFR-CT versus 68, 83, and 79% for coronary CT angiography, versus 42, 97, and 82% for SPECT, versus 81, 76, and 80% for PET, respectively. Sensitivity, but not specificity, was significantly higher for FFR-CT in comparison with all other modalities. Consequently, diagnostic accuracy was significantly higher in comparison with coronary CT angiography (p=0.002) and PET (p=0.004), but only a favourable trend was found in comparison with SPECT (p=0.084). The diagnostic performance as assessed by the area under the receiver-operating characteristics curve was significantly greater for FFR-CT (0.94) as compared to coronary CT angiography (0.83, p<0.001), SPECT (0.70, p<0.001), and PET (0.87, p<0.001, figure 1).
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».