Measurement of Plaque Characteristics Using Coronary Computed Tomography Angiography: Achieving High Interobserver Performance
Notice bibliographique
Résumé
BACKGROUND: Coronary computed tomography angiography (CCTA) is used to assess plaque characteristics, remodelling, and progression and regression. Few papers address standard operating procedures that ensure achievement of high interobserver reproducibility. Moreover, assessment of coronary artery bypass grafts has not been reported. METHODS: A training set of images was created of native coronary segments, spanning the full range of atheromatous disease from normal to severe, excluding totally occluded segments, and including segments with or without calcification (n = 24) and completely normal-appearing bypass grafts (n = 16). Three observers used a validated software program during a training phase to establish standard operating procedures and then to achieve high intraobserver performance based on Pearson's correlation coefficient. Subsequently, interobserver variability for the laboratory as a whole was determined with a focus on measures of plaque volume, low- attenuation plaque (LAP), mixed plaque (MP), and calcified plaque (CP). RESULTS: We found no substantive differences in analytical issues between grafts and native vessels and emphasize the aggregated data. The range of mean total plaque percent was approximately 55% of total vessel volume with maximal interobserver mean absolute differences of 2% or less. Percent of LAP, MP, and CP demonstrated interobserver standard errors of 1% to 2% and interobserver mean absolute differences of 0% to 1%. Pearson's correlations were all highly significant and ranged from 0.969 to 0.999. CONCLUSIONS: CCTA provides a rich diversity of measures of atherosclerosis in coronary and bypass segments that are highly reproducible with experience and adherence to standard operating procedures.
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) | 0,000 | 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 ».