Long-term prognostic impact of paravalvular leakage on coronary artery disease requires patient-specific quantification of hemodynamics
Notice bibliographique
Résumé
Transcatheter aortic valve replacement (TAVR) is a frequently used minimally invasive intervention for patient with aortic stenosis across a broad risk spectrum. While coronary artery disease (CAD) is present in approximately half of TAVR candidates, correlation of post-TAVR complications such as paravalvular leakage (PVL) or misalignment with CAD are not fully understood. For this purpose, we developed a multiscale computational framework based on a patient-specific lumped-parameter algorithm and a 3-D strongly-coupled fluid-structure interaction model to quantify metrics of global circulatory function, metrics of global cardiac function and local cardiac fluid dynamics in 6 patients. Based on our findings, PVL limits the benefits of TAVR and restricts coronary perfusion due to the lack of sufficient coronary blood flow during diastole phase (e.g., maximum coronary flow rate reduced by 21.73%, 21.43% and 21.43% in the left anterior descending (LAD), left circumflex (LCX) and right coronary artery (RCA) respectively (N = 6)). Moreover, PVL may increase the LV load (e.g., LV load increased by 17.57% (N = 6)) and decrease the coronary wall shear stress (e.g., maximum wall shear stress reduced by 20.62%, 21.92%, 22.28% and 25.66% in the left main coronary artery (LMCA), left anterior descending (LAD), left circumflex (LCX) and right coronary artery (RCA) respectively (N = 6)), which could promote atherosclerosis development through loss of the physiological flow-oriented alignment of endothelial cells. This study demonstrated that a rigorously developed personalized image-based computational framework can provide vital insights into underlying mechanics of TAVR and CAD interactions and assist in treatment planning and patient risk stratification in patients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».