The Diagnostic Accuracy of Sonographic Parameters for Renal Artery Stenosis in Adults: A Rapid Literature Review Based on a Statistical Approach
Notice bibliographique
Résumé
Objective: The aim of this study was to determine the 95% confidence interval (CI) cutoff for sonographic renal artery stenosis (RAS) parameters. A secondary objective was to determine the diagnostic accuracy parameters of peak systolic velocity (PSV), renal aortic ratio (RAR), acceleration index (AI), and acceleration time (AT) for diagnosing RAS. Materials and Methods: Diagnostic test accuracy (DTA) parameters and 95% CIs were evaluated for the sonographic cutoff values. A total of 31 articles were extracted and subjected to statistical analysis. Results: The mean 95% CI cutoff for PSV, RAR, AI, and AT were 192.50 (175.16, 209.84), 3.10 (2.83, 3.38), 3.39 (2.51, 4.27), and 80.78 (68.56, 93.01), respectively. The pooled mean 95% CI sensitivity of PSV, RAR, AI, and AT were 85.90% (79.84, 91.97), 82.34% (77.58, 87.11), 74.92% (64.53, 85.33), and 73.57% (63.01, 84.13), respectively, whereas the pooled mean specificity of the same parameters was 82.52% (75.78, 89.25), 86.97% (83.12, 90.82), 78.93% (66.34, 91.52), and 82.57% (70.70, 94.44), respectively. Conclusion: The pooled mean 95% CI for sensitivity and specificity of the sonographic parameters was concordant with the literature. Based on this higher level of evidence, except RAR, the mean 95% CI cutoff for PSV, AI, and AT were consistent with the cutoff values encountered in the published literature.
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 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».