Carotid near-occlusion is often overlooked when CT angiography is assessed in routine practice
Notice bibliographique
Résumé
OBJECTIVE: Assess the sensitivity and specificity of computed tomography angiography (CTA) for carotid near-occlusion diagnosis interpreted in clinical practice against expert assessment. METHODS: CTAs were graded by two expert interpreters for near-occlusion. Findings were compared with clinical reports in 383 consecutive cases with symptomatic ≥ 50% carotid stenosis. In addition, 14 selected CTA exams (8 near-occlusions and 6 controls) were analyzed in a national effort by 13 radiologists experienced with carotid CTA. RESULTS: In clinical practice, imaging reports were 20% (95% CI 12-28%) sensitive for near-occlusion, ranging 0-58% between different radiologists; specificity was 99%. Among the 13 radiologists reviewing the same 8 near-occlusions, the average sensitivity was 8%, ranging 0-75%; specificity was 100%. CONCLUSIONS: Carotid near-occlusion is systematically under-reported in clinical routine practice, caused by limited application of grading criteria when assessing CTA. KEY POINTS: • Carotid near-occlusion is severe stenosis with distal artery collapse; this collapse is often subtle. • A fifth of near-occlusions were detected in routine practice. Many readers mistake near-occlusion for stenosis without distal artery collapse, either by not actively searching for subtle collapses or by not interpreting the collapse correctly when noticed. • On the other hand, the novice diagnostician should be cautioned to not over-diagnose near-occlusion; other causes of extracranial ICA asymmetry also exist such as distal disease and Circle of Willis anatomical variants.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».