MétaCan
Menu
Retour à la cohorte
Enregistrement W4250901365 · doi:10.1093/ehjci/jez149.015

P393Myocardial blood flow response to revascularization therapies in patients with diabetes mellitus

2019· article· en· W4250901365 sur OpenAlexaff
Jianping Yao, R S Beanlands, Aun‐Yeong Chong, Rob de Kemp

Notice bibliographique

RevueEuropean Heart Journal - Cardiovascular Imaging · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Treatment
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineDiabetes mellitusRevascularizationBlood flowInternal medicineCardiologyIntensive care medicineEndocrinologyMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Introduction: In patients with diabetes mellitus (DM) and coronary artery disease (CAD), revascularization with coronary artery bypass grafting (CABG) has been shown to decrease the number of adverse events compared to percutaneous coronary intervention (PCI) and optimal medical therapy (OMT) alone. Myocardial Flow Reserve (MFR) measured by Positron Emission Tomography (PET) is a robust tool that can provide diagnostic and prognostic information, and may aid in the selection of therapy for CAD patients. Purpose: To investigate the MFR response to therapy in patients following CABG, PCI or OMT. Methods: We screened 15,023 Rb-82 PET perfusion studies performed between 1 March 2008 and 30 June 2018. 4,064 studies were identified in which patients underwent serial (2 or more) PET scans. Serial scans were paired, then grouped based on diabetic status (DM/NDM) and intervening treatment (OMT/PCI/CABG). We analyzed data from rest/stress perfusion studies for 1,151 OMT, 223 PCI, and 28 CABG scan pairs. Improvements in MFR were compared between treatment groups, globally (per patient) and regionally (per vessel) according to the territory supplied by each coronary artery. Multi-factor ANOVA was used to analyze the data. Results: Global MFR changes were greatest with CABG, followed by PCI, then OMT (0.66 ± 0.73 vs 0.097 ± 0.90 vs -0.069 ± 0.73, ANOVA P < 0.01 – Figure 1A). Patients receiving CABG had the lowest baseline flow, followed by PCI then OMT (1.6 ± 0.53 vs 2.1 ± 0.86 vs 2.4 ± 0.81, ANOVA P < 0.01), however, there were no significant differences between the groups post-treatment. MFR was lower in DM vs NDM groups at both baseline and post-treatment (baseline: 2.5 ± 0.84 vs 2.1 ± 0.75, ANOVA P < 0.01). As expected, target vessel revascularization by PCI or CABG achieved a greater improvement in regional MFR compared to non-target vessels (PCI: 0.064 ± 0.19 vs 0.0 ± 0.16, CABG: 0.16 ± 0.17 vs 0.090 ± 0.18, ANOVA P < 0.01 – Figure 1B). When stratifying for treated vessel, regional MFR improvements were significantly greater in NDM patients treated for LAD disease vs NDM patients treated for LCX disease, and in DM patients treated for LAD or LCX disease (P < 0.05 – Figure 1C). Conclusions: Patients with DM had similar improvements in local and regional MFR compared to NDM patients, across all treatment groups. While CABG provided greater improvement than PCI and OMT, it achieved similar post-treatment MFR due to lower perfusion at baseline in patients selected for CABG. This suggests that baseline MFR may be a helpful tool in directing choice of revascularization therapy. DM patients had lower baseline perfusion than NDM (possibly due to more microvascular and diffuse disease) and this difference remained post-treatment. These results demonstrate the importance of baseline MFR in predicting post-treatment flow, and suggest possible applications of PET imaging for flow quantification to assist in management decisions for revascularization. Abstract P393 Figure.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,812

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal - Cardiovascular ImagingMême sujetPain Management and TreatmentTravaux en français237 207