MétaCan
Menu
Retour à la cohorte
Enregistrement W3211758069 · doi:10.1002/nbm.4643

Myocardial blood flow is the dominant factor influencing cardiac magnetic resonance adenosine stress T2

2021· article· en· W3211758069 sur OpenAlexafffund
Jill J. Weyers, Venkat Ramanan, Ahsan Javed, Jennifer Barry, Melissa Larsen, Krishna S. Nayak, Graham A. Wright, Nilesh R. Ghugre

Notice bibliographique

RevueNMR in Biomedicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of HealthHeart and Stroke Foundation of Canada
Mots-clésHemodynamicsBlood flowAdenosineCardiologyMagnetic resonance imagingInternal medicineMedicineRate pressure productCoronary circulationReactive hyperemiaOxygenCardiac outputBlood pressureHeart rateChemistryRadiology

Résumé

récupéré en direct d'OpenAlex

Stress imaging identifies ischemic myocardium by comparing hemodynamics during rest and hyperemic stress. Hyperemia affects multiple hemodynamic parameters in myocardium, including myocardial blood flow (MBF), myocardial blood volume (MBV), and venous blood oxygen levels (PvO2). Cardiac T2 is sensitive to these changes and therefore is a promising non‐contrast option for stress imaging; however, the impact of individual hemodynamic factors on T2 is poorly understood, making the connection from altered T2 to changes within the tissue difficult. To better understand this interplay, we performed T2 mapping and measured various hemodynamic factors independently in healthy pigs at multiple levels of hyperemic stress, induced by different doses of adenosine (0.14‐0.56 mg/kg/min). T1 mapping quantified changes in MBV. MBF was assessed with microspheres, and oxygen consumption was determined by the rate pressure product (RPP). Simulations were also run to better characterize individual contributions to T2. Myocardial T2, MBF, oxygen consumption, and MBV all changed to varying extents between each level of adenosine stress (T2 = 37.6‐41.8 ms; MBF = 0.48‐1.32 mL/min/g; RPP = 6507‐4001 bmp*mmHg; maximum percent change in MBV = 1.31%). Multivariable analyses revealed MBF as the dominant influence on T2 during hyperemia (significant β‐values >7). Myocardial oxygen consumption had almost no effect on T2 (β‐values <0.002); since PvO2 is influenced by both oxygen consumption and MBF, PvO2 changes detected by T2 during adenosine stress can be attributed to MBF. Simulations varying PvO2 and MBV confirmed that PvO2 had the strongest influence on T2, but MBV became important at high PvO2. Together, these data suggest a model where, during adenosine stress, myocardial T2 responds predominantly to changes in MBF, but at high hyperemia MBV is also influential. Thus, changes in adenosine stress T2 can now be interpreted in terms of the physiological changes that led to it, enabling T2 mapping to become a viable non‐contrast option to detect ischemic myocardial tissue.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,260
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNMR in BiomedicineMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207