Computed Tomography Angiography Assessment of Acute Aortic Syndromes: Classification, Differentiating Imaging Features, and Imaging Interpretation Pitfalls
Notice bibliographique
Résumé
An acute aortic syndrome (AAS) is an important life-threatening condition that requires early detection and management. Acute intramural hematoma (IMH), aortic dissection (AD) and penetrating atherosclerotic ulcer (PAU) are included in AAS. ADs can be classified using the well-known Stanford or DeBakey classification systems. However, these classification systems omit description of arch dissections, anatomic variants, and morphologic features that impact outcome. The Society for Vascular Surgery and Society of Thoracic Surgeons (SVS-STS) have recently introduced a classification system that classifies ADs according to the location of the entry tear (primary intimomedial tear, PIT) and the proximal and distal extent of involvement, but does not include description of all morphologic features that may have diagnostic and prognostic significance. This review describes these classification systems for ADs and other AAS entities as well as their limitations. Typical computed tomography angiography (CTA) imaging appearance and differentiating features of ADs, limited intimal tears (LITs), IMHs, intramural blood pools (IBPs), ulcer-like projections (ULPs), and PAUs will be discussed. Furthermore, this review highlights common imaging interpretation pitfalls, what should be included in a comprehensive CTA report, and provides a brief overview of current management options.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».