Murray law-based quantitative flow ratio to assess left main bifurcation stenosis: selecting the angiographic projection matters
Notice bibliographique
Résumé
Abstract Murray law-based quantitative flow ratio (µQFR) assesses fractional flow reserve (FFR) in bifurcation lesions using a single angiographic view, enhancing the feasibility of analysis; however, accuracy may be compromised in suboptimal angiographic projections. FFR CT is a well-validated non-invasive method measuring FFR from coronary computed tomographic angiography (CCTA). We evaluated the feasibility of µQFR in left main (LM) bifurcations, the impact of the optimal/suboptimal fluoroscopic view with respect to CCTA, and its diagnostic concordance with FFR CT . In 300 patients with three-vessel disease, the values of FFR CT and µQFR were compared at distal LM, proximal left anterior descending artery (pLAD) and circumflex artery (pLCX). The optimal viewing angle of LM bifurcation was defined on CCTA by 3-dimensional coordinates and converted into a 2-dimensional fluoroscopic view. The best fluoroscopic projection was considered the closest angulation to the optimal viewing angle on CCTA. µQFR was successfully computed in 805 projections. In the best projections, µQFR sensitivity was 88.2% (95% CI 76.1–95.6) and 84.8% (71.1–93.7), and specificity was 96.8% (93.8–98.6) and 97.2% (94.4–98.9), in pLAD and pLCX, respectively, with regard to FFR CT . The AUC of µQFR for predicting FFR CT ≤ 0.80 tended to be improved using the best versus suboptimal projections (0.94 vs. 0.89 [p = 0.048] in pLAD; 0.94 vs. 0.88 [p = 0.075] in pLCX). Computation of µQFR in LM bifurcations using a single angiographic view showed high feasibility from post-hoc analysis of coronary angiograms obtained for clinical purposes. The fluoroscopic viewing angle influences the diagnostic performance of physiological assessment using a single angiographic view.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».