MétaCan
Menu
Retour à la cohorte
Enregistrement W4283454059 · doi:10.5772/intechopen.105498

Cardiovascular Magnetic Resonance Imaging of Atrial Fibrillation: An Advanced Hemodynamic Perspective

2022· book-chapter· en· W4283454059 sur OpenAlex
Mankarman Ghuman, Han‐Suk Kim, Hana Sheitt, Julio García

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIntechOpen eBooks · 2022
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSiemens HealthineersUniversity of Calgary
Mots-clésCardiologyMedicineInternal medicineAtrial fibrillationMagnetic resonance imagingVentricleHemodynamicsThrombusBlood flowRadiology

Résumé

récupéré en direct d'OpenAlex

Atrial fibrillation (AF) patients can be referred to cardiac magnetic resonance imaging (MRI) for an accurate assessment of cardiac function and left atrial structure. Cardiac MRI is the gold standard for the quantification of heart volumes and allows the noninvasive tissue characterization of the heart. In addition, advanced flow assessment can be achieved using 4D-flow MRI to elegantly depict the hemodynamic efficiency of the left atrium (LA) and left ventricle (LV) throughout the cardiac cycle. Patients with AF may have occult LV disease and thrombus formation. Biomarkers based on 4D-flow MRI may unmask the presence of LA/LV disease by quantifying 3D stasis, flow distribution, and vortex formation. These biomarkers have proved to characterize AF stages, to complement standard risk scores, and bring new insights on heart hemodynamic performance. This chapter aims to present a standard cardiac MRI protocol for atrial fibrillation and the innovative usefulness of advanced flow imaging in clinical settings.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0020,000

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 Opus0,027
Tête enseignante GPT0,294
Écart entre enseignants0,267 · 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