Multidetector computed tomography angiography study of the renal arterial vasculature anatomy and its variations in a Bulgarian adult population
Notice bibliographique
Résumé
Abstract Purpose : Renal arterial anatomy has a great clinical importance during surgical and endovascular procedures. However, comprehensive data on the renal arterial variations in the Bulgarian population has not yet been provided. The aim of this study was to conduct detailed research about the normal anatomy and variations of the renal arteries in the Bulgarian population. Methods : Five hundred sixty one patients underwent contrast-enhanced multidetector computed tomography scans for the period 2016-2021. The images were retrospectively reviewed. Number, branching pattern, origin level and course of the renal arteries were noted. Data was categorized on the basis of laterality, gender and symmetry. Results : Only 46.3% of the patients exhibited normal renal arterial anatomy. Variations were observed in 301 patients (53.7%). The most common variant was the presence of accessory renal arteries (ARA), discovered in 41.2% of the subjects. There was no significant difference based on gender and laterality (p>0.05). Hilar ARA (72.6%) were significantly more common than polar ARA (p<0.001). The most common origin location of main renal arteries and ARA was the aorta, followed by the common iliac arteries. Early division was observed in 21.7% of the patients, significantly more common on the right. Precaval course was found in 0.5% of the right main renal arteries and in 30% of ARA and the difference was significant (p<0.001). Conclusion : These results show novel insight into the prevalence of renal arterial variations in Bulgarian population. Anatomic renal vasculature variants are common therefore awareness is crucial for the success of surgical and interventional procedures.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».