Carotid plaque characteristics by computed Tomography: A diagnostic accuracy systematic review
Notice bibliographique
Résumé
Beyond the stenosis degree, the carotid plaque morphology assessed by computed tomography may improve the stroke risk stratification and is recommended to be considered before interventional treatment according to current guidelines. This study aimed to systematically review the accuracy of computed tomography (CT) to detect carotid plaque characteristics compared to histology in patients with symptomatic and asymptomatic carotid plaques. We registered the protocol in PROSPERO and searched Medline Ovid, Embase.com , Cochrane Library, and Web of Science for diagnostic accuracy of CT in specific carotid plaque characteristic imaging compared to histology, without any search limitation up to May 27, 2022. Out of 8,168 studies, 20 studies that evaluated seven specific plaque characteristics were included in our systematic review. The best diagnostic performance was found for the detection of ulceration (sensitivity range 39.4–100% [mean 79.6%], specificity range 74–100% [mean 93.6%]), followed by calcification (72.7–100% [88.1%], 35.7–100% [80.1%]), lipid-rich necrotic core (63.2–95.6% [81.1%], 60–100% [80.1%]), and intraplaque hemorrhage (61.5–100% [86%], 20–99.5% [67.8%]). Only a few studies evaluated specifically vulnerable, mixed, and fibrous plaque. Diagnostic studies with larger sample sizes are needed, using novel available CT techniques that enable increasing diagnostic performance and decreasing radiation and amount of contrast agent. CT allows for highly accurate detection of carotid plaque features, particularly ulceration and calcification. These results underline the role of routine CT examinations to assess not only stenosis degree but also plaque morphology and individual patient stroke risk to better guide management. Registration: PROSPERO ID CRD42022329690 ( https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=329690 ).
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,000 | 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 | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».