Role of Dual-Energy Computed Tomography (DECT) in Detection of Carotid Artery Monosodium Urate Deposition (MSU) in Patients with CKD
Notice bibliographique
Résumé
Background: To find out if a Dual energy CT can detect MSU deposition in carotid arteries in patients with CKD and whether the presence of monosodium urate crystals has any effect on atherosclerotic disease in terms of plaque volume. Methods: This is a retrospective study. All patients with CKD who underwent Dual energy neck imaging (like carotid angiogram, neck soft tissues or cervical spine) from January 2015 to December 2022 were included. Charts were reviewed to find CKD patients and potential confounding variables like isolated gout or smoking which can add to atherosclerotic disease. Same number of healthy controls were included which were then age (within 5 years), sex and confounders-matched to CKD patients using MedCalc. DECT datasets were post-processed using Syngo.ViaVB30 with MSU application and Calcium scoring application for volumetric analysis of atherosclerotic plaque. Results: Out of total 2157 patients who underwent dual energy neck imaging during study period, 85 were established CKD cases with confirmed clinical and laboratory evidence. Of 85 CKD cases, 2 were excluded due to presence of artefacts from dentures, n=83. Out of 83, MSU was detected in carotid arteries of 10 patients (12%). None of the matched control patient demonstrated MSU deposition. Volumetric analysis of atherosclerotic plaque demonstrated larger plaque volumes in CKD patients with MSU (n=10) than matched CKD patients without MSU (n=10) and matched control/non-CKD patients (n=10) (p value of 0.03). Conclusions: 1. Dual energy CT is an effective tool to detect MSU deposition in carotid arteries of patients with CKD. 2. MSU deposition increases atherosclerosis which can lead to increased TIA/strokes and hence has significant role in patient's morbidity.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».