Consensus‐Based Technical Recommendations for Clinical Translation of Renal Phase Contrast <scp>MRI</scp>
Notice bibliographique
Résumé
BACKGROUND: Phase-contrast (PC) MRI is a feasible and valid noninvasive technique to measure renal artery blood flow, showing potential to support diagnosis and monitoring of renal diseases. However, the variability in measured renal blood flow values across studies is large, most likely due to differences in PC-MRI acquisition and processing. Standardized acquisition and processing protocols are therefore needed to minimize this variability and maximize the potential of renal PC-MRI as a clinically useful tool. PURPOSE: To build technical recommendations for the acquisition, processing, and analysis of renal 2D PC-MRI data in human subjects to promote standardization of renal blood flow measurements and facilitate the comparability of results across scanners and in multicenter clinical studies. STUDY TYPE: Systematic consensus process using a modified Delphi method. POPULATION: Not applicable. SEQUENCE FIELD/STRENGTH: Renal fast gradient echo-based 2D PC-MRI. ASSESSMENT: An international panel of 27 experts from Europe, the USA, Australia, and Japan with 6 (interquartile range 4-10) years of experience in 2D PC-MRI formulated consensus statements on renal 2D PC-MRI in two rounds of surveys. Starting from a recently published systematic review article, literature-based and data-driven statements regarding patient preparation, hardware, acquisition protocol, analysis steps, and data reporting were formulated. STATISTICAL TESTS: Consensus was defined as ≥75% unanimity in response, and a clear preference was defined as 60-74% agreement among the experts. RESULTS: Among 60 statements, 57 (95%) achieved consensus after the second-round survey, while the remaining three showed a clear preference. Consensus statements resulted in specific recommendations for subject preparation, 2D renal PC-MRI data acquisition, processing, and reporting. DATA CONCLUSION: These recommendations might promote a widespread adoption of renal PC-MRI, and may help foster the set-up of multicenter studies aimed at defining reference values and building larger and more definitive evidence, and will facilitate clinical translation of PC-MRI. LEVEL OF EVIDENCE: 1 TECHNICAL EFFICACY STAGE: 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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 |
| 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 ».