Non‐invasive procedural planning using computed tomography‐derived fractional flow reserve
Notice bibliographique
Résumé
Abstract Objectives This study aimed to investigate the performance of computed tomography derived fractional flow reserve based interactive planner (FFR CT planner) to predict the physiological benefits of percutaneous coronary intervention (PCI) as defined by invasive post‐PCI FFR. Background Advances in FFR CT technology have enabled the simulation of hyperemic pressure changes after virtual removal of stenoses. Methods In 56 patients (63 vessels) invasive FFR measurements before and after PCI were obtained and FFR CT was calculated using pre‐PCI coronary CT angiography. Subsequently, FFR CT and invasive coronary angiography models were aligned allowing virtual removal of coronary stenoses on pre‐PCI FFR CT models in the same locations as PCI was performed. Relationships between invasive FFR and FFR CT , between post‐PCI FFR and FFR CT planner, and between delta FFR and delta FFR CT were evaluated. Results Pre PCI, invasive FFR was 0.65 ± 0.12 and FFR CT was 0.64 ± 0.13 ( p = .34) with a mean difference of 0.015 (95% CI: −0.23–0.26). Post‐PCI invasive FFR was 0.89 ± 0.07 and FFR CT planner was 0.85 ± 0.07 ( p < .001) with a mean difference of 0.040 (95% CI: −0.10–0.18). Delta invasive FFR and delta FFR CT were 0.23 ± 0.12 and 0.21 ± 0.12 ( p = .09) with a mean difference of 0.025 (95% CI: −0.20–0.25). Significant correlations were found between pre‐PCI FFR and FFR CT (r = 0.53, p < .001), between post‐PCI FFR and FFR CT planner (r = 0.41, p = .001), and between delta FFR and delta FFR CT (r = 0.57, p < .001). Conclusions The non‐invasive FFR CT planner tool demonstrated significant albeit modest agreement with post‐PCI FFR and change in FFR values after PCI. The FFR CT planner tool may hold promise for PCI procedural planning; however, improvement in technology is warranted before clinical application.
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 | 0,002 |
| 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 ».