Association of electrocardiographic markers with myocardial fibrosis as assessed by cardiac magnetic resonance in different clinical settings
Notice bibliographique
Résumé
BACKGROUND: Cardiac magnetic resonance (CMR) is a unique tool for non-invasive tissue characterization, especially for identifying fibrosis. AIM: To present the existing data regarding the association of electrocardiographic (ECG) markers with myocardial fibrosis identified by CMR - late gadolinium enhancement (LGE). METHODS: (RCA) (https://www.referencecitationanalysis.com). RESULTS: A total of 32 studies were included. In hypertrophic cardiomyopathy (HCM), fragmented QRS (fQRS) is related to the presence and extent of myocardial fibrosis. fQRS and abnormal Q waves are associated with LGE in ischemic cardiomyopathy patients, while fQRS has also been related to fibrosis in myocarditis. Selvester score, abnormal Q waves, and notched QRS have also been associated with LGE. Repolarization abnormalities as reflected by increased Tp-Te, negative T-waves, and higher QT dispersion are related to myocardial fibrosis in HCM patients. In patients with Duchenne muscular dystrophy, a significant correlation between fQRS and the amount of myocardial fibrosis as assessed by LGE-CMR was observed. In atrial fibrillation patients, advanced inter-atrial block is defined as P-wave duration ≥ 120 ms, and biphasic morphology in inferior leads is related to left atrial fibrosis. CONCLUSION: Myocardial fibrosis, a reliable marker of prognosis in a broad spectrum of cardiovascular diseases, can be easily understood with an easily applicable ECG. However, more data is needed on a specific disease basis to study the association of ECG markers and myocardial fibrosis as depicted by CMR.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».