Lung water density is increased in patients at risk of heart failure and is largely independent of conventional cardiovascular magnetic resonance measures
Notice bibliographique
Résumé
Abstract Aims Non-invasive methods to quantify pulmonary congestion are lacking in clinical practice. Cardiovascular magnetic resonance (CMR) lung water density (LWD) mapping is accurate and reproducible and has prognostic value. However, it is not known whether LWD is associated with routinely acquired CMR parameters. Methods and results This was an observational cohort including healthy controls and patients at risk of heart failure. LWD was measured using CMR with a free-breathing short echo time 3D Cartesian gradient-echo sequence with a respiratory navigator at 1.5 T. Associations were assessed between LWD, lung water volume and cardiac volumes, left ventricular (LV) mass and function, myocardial native T1, and extracellular volume fraction. In patients at risk for heart failure (n = 155), LWD was greater than in healthy controls (n = 15) (30.4 ± 5.0 vs. 27.2 ± 4.3%, P = 0.02). Using receiver operating characteristic analysis, the optimal cut-off for LWD was 27.6% to detect at-risk patients (sensitivity 72%, specificity 73%, positive likelihood ratio 2.7, and inverse negative likelihood ratio 2.6). LWD was univariably associated with body mass index (BMI), hypertension, right atrial area, and LV mass. In multivariable linear regression, only BMI remained associated with LWD (R2 = 0.32, P < 0.001). Conclusion LWD is increased in patients at risk for heart failure compared with controls and is only weakly explained by conventional CMR measures. LWD provides diagnostic information that is largely independent of conventional CMR measures.
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 | 0,011 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».