Diagnostic accuracy of carotid plaque instability by noninvasive imaging: a systematic review and meta-analysis
Notice bibliographique
Résumé
AIMS: There is increasing evidence that plaque instability in the extracranial carotid artery may lead to an increased stroke risk independently of the degree of stenosis. We aimed to determine diagnostic accuracy of vulnerable and stable plaque using noninvasive imaging modalities when compared to histology in patients with symptomatic and asymptomatic carotid atherosclerosis. METHODS AND RESULTS: Medline Ovid, Embase, Cochrane Library, and Web of Science were searched for diagnostic accuracy of noninvasive imaging modalities (CT, MRI, US) in the detection of 1) vulnerable/stable plaque, and 2) vulnerable/stable plaque characteristics, compared to histology. The quality of included studies was assessed by QUADAS-2 and univariate and bivariate random-effect meta-analyses were performed. We included 36 vulnerable and 5 stable plaque studies in the meta-analysis, and out of 211 plaque characteristics from remaining studies, we classified 169 as vulnerable and 42 as stable characteristics (28 CT, 120 MRI, 104 US characteristics). We found that MRI had high accuracy [90% (95% CI: 82-95%)] in the detection of vulnerable plaque, similar to CT [86% (95% CI: 76-92%); P > 0.05], whereas US showed less accuracy [80% (95% CI: 75-84%); P = 0.013]. CT showed high diagnostic accuracy in visualizing characteristics of vulnerable or stable plaques (89% and 90%) similar to MRI (86% and 89%; P > 0.05); however, US had lower accuracy (77%, P < 0.001 and 82%, P > 0.05). CONCLUSION: CT and MRI have a similar, high performance in detecting vulnerable carotid plaques, whereas US showed significantly less diagnostic accuracy. Moreover, MRI visualized all vulnerable plaque characteristics allowing for a better stroke risk assessment. REGISTRATION: PROSPERO ID CRD42022329690.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,040 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».