MétaCan
Menu
Retour à la cohorte
Enregistrement W4293366869 · doi:10.1111/echo.15427

Comparing a knowledge‐based 3D reconstruction algorithm to TomTec 3D echocardiogram algorithm in measuring left cardiac chamber volumes in the pediatric population

2022· article· en· W4293366869 sur OpenAlexaff
Attila Ahmad, Sachie Shigemitsu, Yozo Termachi, Jonathan Windram, Nee Scze Khoo, Tim Colen, Luke Eckersley

Notice bibliographique

RevueEchocardiography · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Function and Risk Factors
Établissements canadiensMontreal Heart InstituteUniversity of Alberta HospitalUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineIntraclass correlationCardiologyAlgorithmInternal medicineEjection fractionDiastoleVentriclePopulationNuclear medicineHeart failureBlood pressureMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Background Three‐dimensional echocardiography (3DE) is an emerging method for volumetric cardiac measurements; however, few vendor‐neutral analysis packages exist. Ventripoint Medical System Plus (VMS3.0+) proprietary software utilizes a validated Magnetic resonance imaging (MRI) database of normal ventricular and atrial morphologies to calculate chamber volumes. This study aimed to compare left ventricular (LV) and atrial (LA) volumes obtained using VMS3.0+ to Tomtec echocardiography analysis software. Methods Healthy controls ( n = 98) aged 0–18 years were prospectively recruited and 3D DICOM datasets focused on the LV and LA acquired. LV and LA volumes and ejection fractions were measured using TomTec Image Arena 3D LV analysis package and using VMS3.0+. Pearson correlation coefficients, Bland–Altman's plots, and intraclass coefficients (ICC) were calculated, along with analysis time. Results There was a very good correlation between Ventripoint Medical System (VMS) and Tomtec LV systolic ( r 2 = .88, ICC .89 [95% CI .81, .94]), and diastolic ( r 2 = .88, ICC .90 [95% CI .77, .95]) volumes, and between VMS and Tomtec LA diastolic ( r 2 = .75, ICC .89 [95% CI .81, .93]) and systolic ( r 2 = .88, ICC .91 [95% CI .78, .96]) volumes on linear regression models. Natural log transformations eliminated heteroscedasticity, and power transformations provided the best fit. The time (mins) to analyze volumes using VMS were less than using Tomtec (LV VMS 2.3 ± .5, Tomtec 3.3 ± .8, p < .001; LA: VMS 1.9 ± .4, Tomtec 3.4 ± 1.0, p < .001). Conclusions There was a very good correlation between knowledge‐based (VMS3.0+) and 3D (Tomtec) algorithms when measuring 3D echocardiography‐derived LA and LV volumes in pediatric patients. VMS was slightly faster than Tomtec in analyzing volumetric measurements.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
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)0,0010,002
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,018
Tête enseignante GPT0,244
Écart entre enseignants0,226 · 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'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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEchocardiographyMême sujetCardiovascular Function and Risk FactorsTravaux en français237 207