Abstract 15607: Right Ventricular Diastolic Function: A Machine Learning-Based Echocardiographic Classification Scheme
Notice bibliographique
Résumé
Background: Right ventricular (RV) diastolic dysfunction is associated with heart failure and adverse cardiac events. Echocardiography guidelines include a limited assessment of RV diastology based on a scheme borrowed from the left ventricle, which is suboptimal. Hypothesis: An RV-specific classification scheme could be developed using echocardiographic parameters and machine learning to better reflect right-sided physiology and diagnose diastolic dysfunction. Methods: A total of 540 consecutive outpatients undergoing clinically-indicated echocardiograms at the Jewish General Hospital between March and December 2019 were prospectively recruited. Measurements relevant to RV diastology were acquired in triplicate by trained cardiac sonographers and verified by level III echocardiography staff and fellows. A sequential approach of unsupervised and supervised machine learning was used to develop a de novo classification model for RV diastology. Results: First, to prevent the use of redundant echocardiographic parameters within any given model, a feature-level clustering algorithm classified the 35 candidate parameters into mutually exclusive groups (for example, a group containing various size parameters). Second, a patient-level clustering algorithm analyzed all possible combinations of parameters in order to classify patients into three groups: normal, intermediate, and abnormal diastolic function. Third, a decision tree algorithm analyzed the top performing combinations in order to rank the importance of the echocardiographic parameters in predicting the diastology groups. Finally, after selecting the most predictive parameters - Ep, Ep/Ap, and IVC sniff - the final decision tree algorithm was generated. The prevalence of heart failure increased stepwise from 14% in the normal group, to 19% in the intermediate group, and 32% in the abnormal group. Conclusions: Our echocardiographic classification scheme for RV diastology is uniquely tailored to right-sided physiology and identifies patients with increasing rates of heart failure. Further study is warranted to validate this scheme in an independent population and examine its prognostic value for adverse cardiac events.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».