A Simple Flow Classification Parameter Can Discriminate Rupture Status in Intracranial Aneurysms
Notice bibliographique
Résumé
BACKGROUND: A simple dimensionless aneurysm number ($An$), which depends on geometry and flow pulsatility, was previously shown to distinguish the flow mode in intracranial aneurysms (IA): vortex mode with a dynamic vortex formation/evolution if $An > 1$, and cavity mode with a steady shear layer if $An < 1$. OBJECTIVE: To hypothesize that $An\ > \ 1$ can distinguish rupture status because vortex mode is associated with high oscillatory shear index, which, in turn, is statistically associated with rupture. METHODS: The above hypothesis is tested on a retrospective, consecutively collected database of 204 patient-specific IAs. The first 119 cases are assigned to training and the remainder to testing dataset. $An$ is calculated based on the pulsatility index (PI) approximated either from the literature or solving an optimization problem (denoted as$\ \widehat {PI}$). Student's t-test and logistic regression (LR) are used for hypothesis testing and data fitting, respectively. RESULTS: $An$ can significantly discriminate ruptured and unruptured status with 95% confidence level (P < .0001). $An$ (using PI) and $\widehat {An}$ (using $\widehat {PI}$) significantly predict the ruptured IAs (for training dataset $An\!:\ $AUC = 0.85, $\widehat {An}\!:\ $AUC = 0.90, and for testing dataset $An\!:\ $sensitivity = 94%, specificity = 33%, $\widehat {An}\!:\ $sensitivity = 93.1%, specificity = 52.85%). CONCLUSION: $An > 1$ predicts ruptured status. Unlike traditional hemodynamic parameters such as wall shear stress and oscillatory shear index, $An$ has a physical threshold of one (does not depend on statistical analysis) and does not require time-consuming flow simulations. Therefore, $An$ is a simple, practical discriminator of IA rupture status.
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) | 0,000 | 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 ».