Validation of aortic valve calcium quantification thresholds measured by computed tomography in Asian patients with calcific aortic stenosis
Notice bibliographique
Résumé
AIMS: Sex-specific thresholds of aortic valve calcification (AVC) have been proposed and validated in Caucasians. Thus, we aimed to validate their accuracy in Asians. METHODS AND RESULTS: Patients with calcific aortic stenosis (AS) from seven international centres were included. Exclusion criteria were ≥moderate aortic/mitral regurgitation and bicuspid valve. Optimal AVC and AVC-density sex-specific thresholds for severe AS were obtained in concordant grading and normal flow patients (CG/NF). We included 1263 patients [728 (57%) Asians, 573 (45%) women, 837 (66%) with CG/NF]. Mean gradient was 48 (26-64) mmHg and peak aortic velocity 4.5 (3.4-5.1) m/s. Optimal AVC thresholds were: 2145 Agatston Units (AU) in men and 1301 AU in women for Asians; and 1885 AU in men and 1129 AU in women for Caucasians. Overall, accuracy (% correctly classified) was high and comparable either using optimal or guidelines' thresholds (2000 AU in men, 1200 AU in women). However, accuracy was lower in Asian women vs. Caucasian women (76-78% vs. 94-95%; P < 0.001). Accuracy of AVC-density (476 AU/cm2 in men and 292 AU/cm2 in women) was comparable to absolute AVC in Caucasians (91% vs. 91%, respectively, P = 0.74), but higher than absolute AVC in Asians (87% vs. 81%, P < 0.001). There was no interaction between AVC/AVC-density and ethnicity (all P > 0.41) with regards to AS haemodynamic severity. CONCLUSION: AVC thresholds defining severe AS are comparable in Asian and Caucasian populations, and similar to those proposed in the guidelines. However, accuracy of AVC to identify severe AS in Asians (especially women) is sub-optimal. Therefore, the use of AVC-density is preferable in Asians.
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) | 0,001 | 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 | 0,000 |
| 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 ».