Carotid Artery Corrected Flow Time Measured by Wearable Doppler Ultrasound Detects Stroke Volume Change Measured by Transesophageal Echocardiography After Coronary Artery Bypass Grafting
Notice bibliographique
Résumé
Background: As a measure of preload responsiveness (PR), change in carotid artery corrected flow time (ccFTΔ) is a surrogate for change in stroke volume (SVΔ). However, the optimal threshold and accuracy of ccFTΔ to detect SVΔ are inconsistent in previous reports. Research Question: Does ccFTΔ from a wireless, wearable Doppler ultrasound accurately detect a 10% SVΔ measured by transesophageal echocardiography? Study Design and Methods: This was a prospective, single-center study of adult patients after elective coronary artery bypass grafting. PR was defined as ≥ 10% augmentation in transesophageal echocardiography left ventricular outflow tract velocity time integral (as a surrogate for SVΔ) during Trendelenburg positioning. Synchronous carotid Doppler imaging was captured by a wireless, wearable Doppler ultrasound. The optimal ccFTΔ threshold to detect PR, sensitivity, specificity, and area under the receiver operating characteristic curve (AUC) were calculated. Linear correlation between ccFTΔ and SVΔ was assessed by Pearson correlation coefficient. We also evaluated the effect of the number of consecutively averaged cardiac cycles on ccFTΔ accuracy. Results: This analysis included 30 patients; 7 patients showed a ≥ 10% SVΔ during Trendelenburg positioning. The optimal ccFTΔ thresholds were +6.6 ms or 2.2% with sensitivities of 100%, specificities of 70%, and AUCs of 0.89 and 0.88, respectively. A strong, linear correlation between ccFTΔ and SVΔ was found (r = 0.70; P < .001). The mean AUC increased from 0.68 to 0.87 when using 1 vs 20 consecutively averaged cardiac cycles. Interpretation: After cardiopulmonary bypass, ccFTΔ measured by wireless, wearable ultrasound detected SVΔ during Trendelenburg positioning with high accuracy. The AUC improved as a function of consecutively averaged cardiac cycles. As a surrogate for preload-induced SVΔ, ccFTΔ can direct fluid therapy in the postoperative period.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».