Derivation of a CT Angiography-Based Arch Atherosclerosis Grading in Cryptogenic Ischemic Stroke
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: We aimed to develop a novel computed tomography angiography (CTA)-based grading system to quantify the severity of aortic arch disease and compare the detection of aortic arch atherosclerosis (AAAthero) on routinely acquired arch-to-vertex CTA against transesophageal echocardiogram (TEE) among patients with cryptogenic ischemic stroke. METHODS: A systematic literature review was conducted to develop a computed tomography (CT)-based AAAthero grading system. CTA was compared against TEE for detecting AAAthero. The severity of arch atherosclerosis was scored based on a 5-point grading system. Patients with cryptogenic stroke who underwent both CTA and TEE were included in the derivation cohort to assess the sensitivity and specificity of CTA compared to TEE. The CT-based grading system for aortic plaques was then applied to an independent cohort of patients with cryptogenic stroke. RESULTS: Three studies were identified in a systematic review, and 141 patients were included in the derivation cohort. AAAthero was detected in 29 patients (20.6%) and 28 patients (19.9%) on TEE and CTA, respectively. The sensitivity of CTA to detect any atherosclerosis was 76%, which increased to 100% to detect moderate to severe disease. The specificity was 95% for any atherosclerosis and 100% for moderate to severe arch disease. Seven patients with AAAthero on TEE had normal CTA, but mild arch disease. Meanwhile, six patients with CTA and negative TEE had plaques on the arch's transverse segment. CONCLUSIONS: Routinely acquired arch-to-vertex CTA provides an accurate, noninvasive alternative to TEE for detecting AAAthero, especially in clinically relevant moderate to severe arch disease.
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) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».