MétaCan
Menu
Retour à la cohorte
Enregistrement W3014709676 · doi:10.5539/jmbr.v10n1p24

Frequency of Ectasia among Patients with Coronary Atherosclerosis by Angiography Dual Source & 64 CT SLICE Evaluatin

2020· article· en· W3014709676 sur OpenAlexvenueno aff
Marzie Motevalli, Mohammad Jalali, Raheleh Najarian, Fahimeh Rahnama, Shahrooz Yazdani

Notice bibliographique

RevueJournal of Molecular Biology Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEctasiaMedicineStenosisCardiologyInternal medicineShahidCoronary artery ectasiaAngiographyCoronary angiographyRadiologyMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Introduction: The aim of this study is Frequency of ectasia among patients with coronary atherosclerosis. Materials and Methods: This is a cross-sectional study, which retrospectively had evaluated a percentage of total frequency ectasia among patients with coronary atherosclerosis by angiography Dual a source & 64 CT SLICE between 2007-20012 in Imag Center of Imam Khomeini Hospital and shahid Rajai Hospital. Results: Totally 2770 patients were enrolled in the study. The frequency of ectasia among all patients was 42 [1.5%]. The frequency of stenosis in patients with LAD ectasia was 36.8% [7 out of 19] while the frequency of LAD stenosis in other patients was 59.5% [1637 out of 2751] [P=0.045]. Distribution of stenosis in ecstatic LCx and RCA was not statistically different with patients without non ecstatic LCx and RCA. [P=0.47 and 0.45 respectively]. In patients with ectasia, the frequency of stenosis was 71.4 while it was 64.4% in patients without ectasia [P=0.35]. Discussion: Furthermore, detection and investigation of Ectasia in patients with stenosis will lead to more accurate determination of the treatment plan and the purpose of this study is finging a new assess prevalence of morphological changes Ectasia by CT angiography and coronary sclerosing Prevalence this group of patients.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 Opus0,037
Tête enseignante GPT0,348
Écart entre enseignants0,311 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Molecular Biology ResearchMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207