MétaCan
Menu
Retour à la cohorte
Enregistrement W4393926503 · doi:10.1093/bjr/tqae071

How to use MRI in cardiac disease with diastolic dysfunction?

2024· article· en· W4393926503 sur OpenAlexaff
Farah Cadour, Adrien Cour, Jules Senlis, Stanislas Rapacchi, Hajer Chennoufi, Paul Michelin, Colin McQuade, Matthieu Demeyere, Jean‐Nicolas Dacher

Notice bibliographique

RevueBritish Journal of Radiology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésCardiologyMedicineDiastoleInternal medicineAsymptomaticEjection fractionCardiomyopathyDoppler echocardiographyHeart failureMagnetic resonance imagingDiastolic functionRadiologyBlood pressure

Résumé

récupéré en direct d'OpenAlex

Left ventricular (LV) diastolic dysfunction (DD) is an initially asymptomatic condition that can progress to heart failure, either with preserved or reduced ejection fraction. As such, DD is a growing public health problem. Impaired relaxation, the first stage of DD, is associated with altered LV filling. With progression, reducing LV compliance leads to restrictive cardiomyopathy. While cardiac magnetic resonance (CMR) imaging is the reference for LV systolic function assessment, transthoracic echocardiography (TTE) with Doppler flow measurements remains the standard for diastolic function assessment. Rather than simply replicating TTE measurements, CMR should complement and further advance TTE findings. We provide herein a step-by-step review of CMR findings in DD as well as imaging features which may help identify the underlying cause.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,344

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of RadiologyMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207