Near-occlusion is difficult to diagnose with common carotid ultrasound methods
Notice bibliographique
Résumé
PURPOSE: To assess the sensitivity and specificity of common carotid ultrasound method for carotid near-occlusion diagnosis. METHODS: Five hundred forty-eight patients examined with both ultrasound and CTA within 30 days of each other were analyzed. CTA graded by near-occlusion experts was used as reference standard. Low flow velocity, unusual findings, and commonly used flow velocity parameters were analyzed. RESULTS: One hundred three near-occlusions, 272 conventional ≥50% stenosis, 162 <50% stenosis, and 11 occlusions were included. Carotid ultrasound was 22% (95%CI 14-30%; 23/103) sensitive and 99% (95%CI 99-100%; 442/445) specific for near-occlusion diagnosis. Near-occlusions overlooked on ultrasound were found misdiagnosed as occlusions (n = 13, 13%), conventional ≥50% stenosis (n = 65, 63%) and < 50% stenosis (n = 2, 2%). No velocity parameter or combination of parameters could identify the 65 near-occlusions mistaken for conventional ≥50% stenoses with >75% sensitivity and specificity. CONCLUSION: Near-occlusion is difficult to diagnose with commonly used carotid ultrasound methods. Improved carotid ultrasound methods are needed if ultrasound is to retain its position as sole preoperative modality.
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) | 0,001 | 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 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 ».