Comparison of Doppler Ultrasound and Digital Subtraction Angiography in extracranial stenosis
Notice bibliographique
Résumé
OBJECTIVE: Evaluating the degree of extracranial stenosis is important in predicting the risk of cerebrovascular events and to assess if the patient can benefit from any intervention. Non-invasive methods, like Doppler Ultrasonography (DUS) are preferred to invasive methods such as Digital Subtraction Angiography (DSA). METHODS: In this retrospective study, the level of agreement between DUS and DSA regarding the degree of stenosis of Internal Carotid Arteries (ICAs) and Vertebral Arteries (VAs) was assessed. The degree of ICA stenosis was classified into 5 groups. DSA was assumed as the gold standard. VA stenosis was classified into two groups of more or less than 50% stenosis. RESULTS: A total of 428 ICAs were assessed. Based on DSA results, DUS could estimate the degree of arterial stenosis in groups of 0-15% stenosis and 100% stenosis most accurately, and the least accuracy was in groups of 50-69% and 70-99% stenosis. The overall agreement between DUS and DSA in the classified ICA stenosis was moderate (Weighted Kappa = 0.565, P < 0.001). Also, the agreement of DUS and DSA when classifying ICA stenosis into two groups of above and below 50%, was moderate (Kappa = 0.583, P < 0.001). DUS was most sensitive and specific in the group of 100% stenosis (Sensitivity: 0.75 Specificity: 0.99) as well as the group of 1-15% stenosis (Sensitivity: 0.80 Specificity: 0.76). Also, DUS was least sensitive in group of 50-69% stenosis (Sensitivity: 0.11 Specificity: 0.94). Regarding VAS, 108 arteries were assessed and the agreement between DUS and DSA was fair (Kappa = 0.248, CI95 = -0.013 - 0.509, P < 0.01). CONCLUSIONS: DUS can be used as the first-line screening tool for detecting extra cranial arteries stenosis. The practicality of the DUS as a screening tool for extracranial VAs stenosis appears to be limited.
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 ».