Lung Sestamibi Uptake on Myocardial Perfusion Imaging and Outcomes in Chronic Kidney Disease
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: In patients with CKD and end-stage kidney disease (ESKD), cardiac stress testing has low sensitivity and specificity for coronary disease. Alternate markers that are derived during the stress testing may enhance the predictive characteristic of stress testing. The objective was to examine the predictive characteristic of lung-to-heart ratio (LHR) in patients with CKD and ESKD. DESIGN, SETTING, PARTICIPANTS, AND MEASUREMENTS: Retrospective parallel cohort of ESKD and CKD not on dialysis (CKD-ND) who underwent stress testing with nuclear myocardial perfusion imaging utilizing sestamibi tracer and regadenoson. Stress LHR was calculated by the processing software and reported. Patients were analyzed by tertile of LHR (≤0.28, 0.29-0.32, ≥0.33). The primary outcome was a composite of all-cause mortality, hospitalization for myocardial infarction or unstable angina, or revascularization. RESULTS: There were 144 CKD-ND and 145 ESKD patients. Patients with ESKD had greater comorbidity burden than CKD-ND. Stress tests were more often performed for pre-operative risk assessment among ESKD versus CKD-ND (53.8 vs. 5.6%, p < 0.001). ESKD patients more likely had ischemia identified on stress testing (19.3 vs. 8.3%, p = 0.001). Mean LHR was 0.31 (Standard deviation - SD: 0.09) and was similar across CKD-ND stages and ESKD. Primary outcome in the lowest (23%) and highest (33.3%) LHR tertile was higher than the middle tertile (12.8%); p = 0.005. This finding was similar between CKD-ND and ESKD and persisted in multivariable analysis. CONCLUSIONS: LHR ≤0.28 and ≥0.33 are independently associated with higher risk for death in patients with CKD-ND and ESKD. Future studies are warranted to understand the association of extreme LHR values and outcomes in this high-risk population.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».