MétaCan
Menu
Retour à la cohorte
Enregistrement W4246033370 · doi:10.1093/ehjci/jez148.030

P302Routine PET imaging of myocardial flow reserve using simple activity ratios - internal validation using Rb-82-chloride and N-13-ammonia

2019· article· en· W4246033370 sur OpenAlexaffabout
Kai Yi Wu, Daniel Juneau, Nicole Kaps, Jean‐Marc Renaud, Terrence D. Ruddy, R S Beanlands, Rob de Kemp

Notice bibliographique

RevueEuropean Heart Journal - Cardiovascular Imaging · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensQueen's UniversityCentre Hospitalier de l’Université de MontréalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésChlorideAmmoniaSimple (philosophy)ChemistryPet imagingFlow (mathematics)Analytical Chemistry (journal)Nuclear medicineChromatographyMechanicsPhysicsMedicineBiochemistryPositron emission tomographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Funding Acknowledgements: Ontario Research Fund (ORF-RE07-021) Background: Myocardial flow reserve (MFR) measurement is a powerful tool that provides incremental diagnostic and prognostic information, but typically requires a dynamic PET acquisition protocol and specialized software and processing tools which have not been standardized across imaging centres. Purpose: The objective of this study was to investigate the application of a simplified model for the routine estimation of MFR using only the stress/rest myocardial activity ratio (MAR) in patients undergoing rest-stress perfusion imaging using N-13-ammonia (NH3) or Rb-82-chloride (RB) PET. Methods: Rest and dipyridamole stress dynamic PET imaging was performed in consecutive patients using RB or NH3 (n = 250 each). The gold-standard reference MFR was quantified using a standard one-tissue compartment model. Stress/rest myocardial activity ratio (MAR) was calculated using the LV-mean activity from 2 to 6 minutes post injection. Simplified estimates of MFR were calculated using an inverse power function as MFR" = MAR^β ÷ α. The correlation between MFR" and MFR values was assessed using Spearman correlation. Ten-fold cross-validation was used to evaluate the accuracy of the proposed MFR" values using receiver-operator characteristic (ROC) analysis. Results: For NH3, there was good correlation between the simplified MFR" and standard MFR values (R = 0.63) with no bias in the MFR" values. The overall diagnostic performance of MFR" was very good with ROC area-under-the-curve (AUC)=83.2 ± 1.2%. Negative predictive value of MFR"<2 was 82% to identify impaired MFR < 2, with 73%sensitivity, 80% specificity and 77% accuracy. For RB, there was also good correlation between MFR" and MFR values (R = 0.73) with no bias in the MFR" values. The overall diagnostic performance of MFR" was excellent for RB, with AUC = 90.4 ± 0.7%. The corresponding negative predictive of MFR"<2 was 90% to identify impaired MFR < 2, with 78% sensitivity, 87% specificity and 85% accuracy. Conclusion: MFR was estimated with very good accuracy using RB and NH3 according a highly simplified method that relies only on measurement of stress/rest myocardial activity ratios following tracer injection. This novel approach does not require dynamic imaging or tracer kinetic modeling of any kind, and can be easily standardized across PET imaging centres. Abstract P302 Figure. MAR PET MFR

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,718
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,039
Tête enseignante GPT0,318
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal - Cardiovascular ImagingMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207