The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0)
Notice bibliographique
Résumé
The Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT) has been expanded to include more patients and CT attenuation correction imaging. We present the design and initial results from the updated registry. Methods: The updated REFINE SPECT is a multicenter, international registry with clinical data and image files. SPECT images were processed by quantitative software and CT images by deep learning software detecting coronary artery calcium (CAC). Patients were followed for major adverse cardiovascular events (MACEs) (death, myocardial infarction, unstable angina, late revascularization). Results: The registry included scans from 45,252 patients from 13 centers (55.9% male, 64.7 ± 11.8 y). Correlating invasive coronary angiography was available for 3,786 (8.4%) patients. CT attenuation correction imaging was available for 13,405 patients. MACEs occurred in 6,514 (14.4%) patients during a median follow-up of 3.6 y (interquartile range, 2.5–4.8 y). Patients with a stress total perfusion deficit of 5% to less than 10% (unadjusted hazard ratio [HR], 2.42; 95% CI, 2.23–2.62) and a stress total perfusion deficit of at least 10% (unadjusted HR, 3.85; 95% CI, 3.56–4.16) were more likely to experience MACEs. Patients with a deep learning CAC score of 101–400 (unadjusted HR, 3.09; 95% CI, 2.57–3.72) and a CAC of more than 400 (unadjusted HR, 5.17; 95% CI, 4.41–6.05) were at increased risk of MACEs. Conclusion: The REFINE SPECT registry contains a comprehensive set of imaging and clinical variables. It will aid in understanding the value of SPECT myocardial perfusion imaging, leverage hybrid imaging, and facilitate validation of new artificial intelligence tools for improving prediction of adverse outcomes incorporating multimodality imaging.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».