Impact of Computational Modeling on Transcatheter Left Atrial Appendage Closure Efficiency and Outcomes
Notice bibliographique
Résumé
BACKGROUND: When performing transcatheter left atrial appendage (LAA) closure, peridevice leaks and device-related thrombus (DRT) have been associated with worse clinical outcomes-hence, their risk should be mitigated. OBJECTIVES: The authors sought to assess whether use of preprocedural computational modeling impacts procedural efficiency and outcomes of transcatheter LAA closure. METHODS: The PREDICT-LAA trial (NCT04180605) is a prospective, multicenter, randomized trial in which 200 patients were 1:1 randomized to standard planning vs cardiac computed tomography (CT) simulation-based planning of LAA closure with Amplatzer Amulet. The artificial intelligence-enabled CT-based anatomical analyses and computer simulations were provided by FEops (Belgium). RESULTS: All patients had a preprocedural cardiac CT, 197 patients underwent LAA closure, and 181 of these patients had a postprocedural CT scan (standard, n = 91; CT + simulation, n = 90). The composite primary endpoint, defined as contrast leakage distal of the Amulet lobe and/or presence of DRT, was observed in 41.8% in the standard group vs 28.9% in the CT + simulation group (relative risk [RR]: 0.69; 95% CI: 0.46-1.04; P = 0.08). Complete LAA closure with no residual leak and no disc retraction into the LAA was observed in 44.0% vs 61.1%, respectively (RR: 1.44; 95% CI: 1.05-1.98; P = 0.03). In addition, use of computer simulations resulted in improved procedural efficiency with use of fewer Amulet devices (103 vs 118; P < 0.001) and fewer device repositionings (104 vs 195; P < 0.001) in the CT + simulation group. CONCLUSIONS: The PREDICT-LAA trial demonstrates the possible added value of artificial intelligence-enabled, CT-based computational modeling when planning for transcatheter LAA closure, leading to improved procedural efficiency and a trend toward better procedural 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 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 | 0,009 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».