Liver Imaging in Fontan Patients
Notice bibliographique
Résumé
Background: Fontan patients frequently develop liver cirrhosis (LC); however, the diagnostic accuracy of ultrasound (US) for detecting LC and the clinical implications of such diagnoses have not been clearly established. Objectives: This study aims to evaluate the diagnostic performance of US for detecting LC in an adult population with Fontan circulation and to determine the correlation between LC and mortality/transplantation. Methods: This was a retrospective study. Data on cross-sectional imaging, liver USs, and clinical visits that occurred within 12 months of the cross-sectional imaging were collected. Liver US diagnostic accuracy was evaluated against cross-sectional imaging. Kappa agreement between methods was assessed. Univariate Cox proportional hazards regression analysis was employed to compare mortality and transplant outcomes. Results: Overall, 131 patients were included. Liver US and cross-sectional imaging (computed tomography 74, magnetic resonance imaging 57) was performed in all patients. Liver US reported heterogeneous parenchyma, lobar redistribution, and surface nodularity in 85.4%, 72.5%, and 65.6% of cases. Cross-sectional imaging reported these features in 60.3%, 87.0%, and 84.9% of cases, respectively. US sensitivity was greater than 0.75 for all variables, while specificity was 0.21, 0.58, and 0.85, respectively. LC was diagnosed in 78% of cases by US and in 90% by cross-sectional imaging, with a kappa agreement of 0.21 between techniques. There was no significant correlation between the presence of hepatic parenchymal changes or cirrhosis and mortality/transplantation. Conclusions: Liver US is effective for screening and monitoring liver cirrhotic features in the adult Fontan population. In a univariate analysis, there was no association between LC and mortality or transplantation.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».