Carotid plaque vulnerability on magnetic resonance imaging and risk of future ischemic events: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Magnetic resonance imaging (MRI) can characterize carotid plaque features, including intraplaque hemorrhage (IPH), lipid-rich necrotic core (LRNC), and thin/ruptured fibrous cap (TRFC), that have increased tendency to cause future cerebrovascular ischemic events. We performed a systematic review and meta-analysis of studies evaluating association of MRI-identified high-risk plaque features, including IPH, LRNC, and TRFC, with risks of subsequent ischemic events of stroke, transient ischemic attack (TIA), or amaurosis fugax (AF) over follow-up duration of ≥3 months. EVIDENCE ACQUISITION: Multiple databases were searched for relevant publications between January 2000 and March 2020. Studies reporting outcomes of future ischemic events of stroke, TIA, or AF for individual MRI-identified high-risk carotid plaque features over follow-up duration of ≥3 months were included. Random effects meta-analysis was performed to estimate odds ratios (OR) and 95% confidence intervals (CI) comparing outcomes between MRI-positive and MRI-negative groups. EVIDENCE SYNTHESIS: Fifteen studies including 2350 patients were included. The annual rate of future ischemic events was 11.9% for MRI-positive IPH, 5.4% for LRNC, and 5.7% for TRFC. IPH, LRNC, and TRFC were associated with increased risk of future ischemic events (OR 6.37; 95% CI, 3.96 to 10.24), (OR 4.34; 95% CI, 1.65 to 11.42), and (OR 10.60, 95% CI 3.56 to 31.58), respectively. CONCLUSIONS: The current study findings strengthen the assertion that MRI-positive "high-risk" or "vulnerable" plaque features, including IPH, LRNC, and/or TRFC can predict risks of future ischemic events of stroke, TIA, or AF.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».