MétaCan
Menu
Retour à la cohorte
Enregistrement W4307948283 · doi:10.3390/app122110946

Whole-Heart Assessment of Turbulent Kinetic Energy in the Repaired Tetralogy of Fallot

2022· article· en· W4307948283 sur OpenAlexafffund
Ashifa Hudani, James A. White, Steven C. Greenway, Julio García

Notice bibliographique

RevueApplied Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCongenital Heart Disease Studies
Établissements canadiensAlberta Children's HospitalLibin Cardiovascular Institute of AlbertaUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésTetralogy of FallotMedicineVentricleCardiologyInternal medicineHemodynamicsMagnetic resonance imagingTurbulence kinetic energyRadiologyHeart diseaseTurbulence

Résumé

récupéré en direct d'OpenAlex

Approximately 10% of congenital heart diseases (CHDs) include Tetralogy of Fallot (TOF). Fortunately, due to advanced surgical techniques, most patients survive until adulthood. However, these patients require frequent monitoring for postoperative complications leading to heart hemodynamic alterations. Turbulent kinetic energy (TKE), as derived from 4D-flow magnetic resonance imaging (4D-flow MRI), has been used to characterize abnormal heart hemodynamics in CHD. Hence, this study aimed to assess the difference in TKE between patients with repaired TOF (rTOF) and healthy volunteers. A total of 35 subjects, 17 rTOF patients and 18 controls, underwent standard-of-care cardiac MRI and research 4D-flow MRI using a clinical 3T scanner. Heart chambers and great vessels were segmented using 3D angiograms derived from 4D-flow MRI. The TKE was quantified within segmented volumes. TKE was compared to standard cardiac MRI metrics. Controls demonstrated higher TKE in the left atria and left ventricle. However, patients demonstrated higher TKE in the right atria, right ventricle (p < 0.05), and pulmonary artery. Lastly, no correlation was observed between TKE and standard clinical measurements. TKE can be a key indicator of the abnormal hemodynamics present in patients with rTOF and can assist future interventions and help monitor long-term outcomes.

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)0,001
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 enseignants0,530
Score d'incertitude au seuil0,195

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,028
Tête enseignante GPT0,304
Écart entre enseignants0,276 · 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

Citations11
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetCongenital Heart Disease StudiesTravaux en français237 207