Abstract 13615: Diagnostic Accuracy of Cardiac MRI for Detecting Wall Motion Abnormalities and Coronary Artery Stenosis - A Systematic Review and Umbrella Meta-Analysis
Notice bibliographique
Résumé
Introduction: Conventional coronary angiography (CCA) is the gold standard for the diagnosis of coronary artery disease (CAD). It is an invasive test and carries risks. Increased mortality is linked with reduced coronary flow, thus aggressively measuring coronary flow is important. Cardiac MRI (cMRI) is an emerging non-invasive test that can also help in assessing ventricular function, myocardial perfusion, and detecting anomalies. Aim: We aimed to analyze the diagnostic accuracy of cMRI compared to CCA through an umbrella meta-analysis. Methods: We searched PubMed articles comparing the diagnostic accuracy of cMRI with CCA in patients having CAD published from 2000 to 2022 according to PRISMA guidelines. We used the generic inverse variance method to pool sensitivity (SN), specificity (SP), negative likelihood ratio, positive likelihood ratio, and diagnostic odds ratio (DOR) with 95% confidence interval keeping alpha criteria of 0.05 as significant. RevMan 5.4 was used to calculate random effects models. Results: In this umbrella meta-analysis, 9 studies with 14615 patients met inclusion criteria. Overall pooled SN was 0.88 (95% CI: 0.87-0.90), SP was 0.85 (0.81-0.89), PLR was 6.07 (5.02-7.33), NLR was -1.99 (-2.10 to -1.87), and DOR 38.94 (31.96-47.46). (p<0.00001) Conclusion: The diagnostic accuracy of a non-invasive, cMRI is comparable, if not superior to an invasive test like CCA.
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 | 0,021 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,040 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».