Uso Atual de Ressonância Magnética Cardíaca Pediátrica no Brasil
Notice bibliographique
Résumé
BACKGROUND: Data on the use of cardiac magnetic resonance imaging (CMR) on children in Brazil is lacking. OBJECTIVES: This study sought to provide information on current pediatric CMR practices in Brazil. METHODS: A questionnaire was sent out to referring physicians around the country. It covered information on the respondents, their CMR practices, the clinical context of the patients, and barriers to CMR use among children. For statistical analysis, two-sided p < 0.05 was considered significant. RESULTS: The survey received 142 replies. CMR was reported to be available to 79% of the respondents, of whom, 52% rarely or never use CMR. The most common indications were found to be cardiomyopathies (84%), status of post-tetralogy of Fallot repair (81%), and aortic arch malformations (53%). Exam complexity correlated with CMR-to-surgery ratio (Rho = 0.48, 95% CI = 0.32-0.62, p < 0.0001) and with the number of CMR exams (Rho = 0.52, 95% CI = 0.38-0.64, p < 0.0001). Further, a high CMR complexity score was associated with pediatric cardiologists conducting the exams (OR 2.14, 95% CI 1.2-3.89, p < 0.01). The main barriers to a more frequent use of CMR were its high cost (65%), the need for sedation (60%), and an insufficient number of qualified professionals (55%). CONCLUSION: Pediatric CMR is not used frequently in Brazil. The presence of a pediatric cardiologist who can perform CMR exams is associated with CMR use on more complex patients. Training pediatric CMR specialists and educating referring providers are important steps toward a broader use of CMR in Brazil. (Arq Bras Cardiol. 2021; 116(2):305-312).
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».