Impact of coronary CT image quality on the accuracy of the FFRCT Planner
Notice bibliographique
Résumé
Abstract Funding Acknowledgements Type of funding sources: Private grant(s) and/or Sponsorship. Main funding source(s): The study was sponsored by the Cardiac Research Institute Aalst (Aalst, Belgium) with unrestricted grants from HeartFlow (Redwood City, California, USA) and CardioPath (University of Naples, Naples, Italy). Aims To assess the accuracy of a virtual stenting tool based on coronary CT angiography (CCTA) and fractional flow reserve (FFR) coronary derived from CCTA (FFRCT Planner) across different levels of image quality. Methods and results Prospective, controlled, multicenter, single-arm study of patients with chronic coronary syndromes and significant lesions based on invasive FFR ≤0.80. All patients underwent clinically indicated CCTA performed with recent generation scanners. CCTA image quality was adjudicated using the four-point Likert scale at per-vessel level by an independent committee blinded to the results of the FFRCT Planner. The FFRCT Planner was applied mirroring the percutaneous coronary intervention (PCI) to determine the agreement with invasively measured post-PCI FFR. Overall, 120 patients (123 vessels) were included. Mean age was 64.0±9.2 years, 27% were diabetics. Invasive post-PCI FFR was 0.88±0.06 and Planner FFRCT was 0.86±0.06 (mean difference 0.02 FFR units, LLA −0.12, ULA 0.15). CCTA image quality was assessed as excellent (Likert score 4) in 48.3%, good (Likert score 3) in 45% and sufficient (Likert score 2) in 6.7% of patients. The FFRCT Planner was accurate across the different levels of image quality with a mean difference between FFRCT Planner and invasive post-PCI FFR of 0.02±0.07 in Likert score 4, 0.02±0.07 in Likert score 3 and 0.03±0.08 in Likert score 2, p = 0.695. Conclusion The FFRCT Planner was accurate to predict post-PCI FFR independent of CCTA image quality.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,003 |
| 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 | 0,001 |
| 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 ».