MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409260721 · doi:10.1101/2025.04.07.25325351

Cardiovascular magnetic resonance reference ranges for cardiac function and structure and recommendations for grading severity: the Healthy Hearts Consortium

2025· preprint· en· W4409260721 sur OpenAlexaff
Liliána Szabó, Celeste McCracken, Dorina-Gabriela Condurache, Robin Bülow, Giovanni Donato Aquaro, Florian André, Le Thu-Thao, Dominika Suchá, Ahmed Salih, Roman Roy, Janek Salatzki, Nay Aung, Sucharitha Chadalavada, Aaron M. Lee, Nicholas C. Harvey, Tim Leiner, Calvin Chin, Matthias G. Friedrich, Andrea Barison, Marcus Dörr, Zahra Raisi‐Estabragh, Steffen E Petersen

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensMcGill University
Organismes subventionnairesZonMwNational Institute for Health and Care Research
Mots-clésGrading (engineering)Cardiac magnetic resonanceCardiologyMagnetic resonance imagingMedicineInternal medicineEngineeringRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Cardiovascular magnetic resonance (CMR) imaging offers precise quantification of cardiac structure and function. However, its clinical utility is often limited by the absence of robust, standardized reference ranges and severity grading thresholds. Aims The aim of this study was to establish age-, sex-, and ethnicity-specific reference ranges and severity grading criteria for CMR-derived ventricular and atrial parameters in healthy adults, accounting for variations between two post-processing software tools. Methods and results We analyzed CMR scans from the Healthy Hearts Consortium (HHC), which includes six multi-ethnic international cohorts. Images were automatically segmented using cvi42 (Circle Cardiovascular Imaging) and suiteHEART (Neosoft), with visual and statistical quality control. Ventricular and atrial volumes, myocardial mass, and ejection fractions were derived using short- and long-axis protocols; parameters were indexed to body surface area and height. We defined reference ranges as normal up to the 95% of the prediction interval (PI), and abnormalities as mild up to 99.73%, moderate at 99.73%, and severe at 99.99%, respectively. The final dataset included 4,624 women (51.0%) and 4,435 men (49.0%), with a mean age of 61 ± 13 years (range 18–83), and a multi-ethnic population (81.6% White, 5.6% South Asian, 5.3% Mixed/Other, 3.8% Black, 3.7% Chinese). Minor systematic differences were observed between cvi42 and suiteHEART, particularly in atrial parameters. Conclusions Our work provides an evidence-based framework for CMR severity grading, offering age-, sex-, and ethnicity-stratified thresholds for mild, moderate, and severe deviations from the reference. These reference values support improved diagnostic accuracy, better risk stratification, and enhanced comparability of CMR findings worldwide. Graphical abstract Footnote: This graphical abstract summarises the methodology and findings of our study on severity grading using cardiovascular magnetic resonance (CMR). It illustrates the dataset, quality control steps, software tools used and the derivation of population-specific reference ranges and severity grading classification. All reference ranges are available on the Healthy Hearts Consortium website ( www.healthy-hearts.org.uk ). Abbreviations: CMR: cardiovascular magnetic resonance; QC: quality control; EDV: end-diastolic volume; ESV: end-systolic volume; SV: stroke volume; EF: ejection fraction; LV: left ventricle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,025
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0030,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,296
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCardiac Imaging and Diagnostics→Travaux en français237 207→