Rule-out and rule-in of carotid near-occlusion using color duplex ultrasound
Notice bibliographique
Résumé
PURPOSE: Diagnosing carotid near-occlusion (CNO) with colour duplex ultrasound (CDU) is challenging. We hypothesised that CNO is associated with a reduced distal internal carotid artery (ICA) velocity and aimed to assess if distal velocity is able to diagnose CNO accurately. If not, we aimed to develop CDU rule-out and rule-in criteria to diagnose CNO. METHODS: This is a prospective cross-sectional study in consecutive participants with suspected ≥ 50% carotid stenosis on CT angiography (CTA). CDU velocities in the common carotid artery, the stenosis and distal to the stenosis were examined. CTAs were assessed for CNO, serving as a reference test. If no CDU parameter was both sensitive and specific for CNO, rule-out (98% sensitive) and rule-in (99% specific) criteria were created. RESULTS: Of the 315 included participants with ≥ 50% stenosis, 190 (60%) were conventional ≥ 50% stenosis and 125 (40%) CNO. No CDU parameter was both sensitive and specific for CNO. The best exclusion criteria were stenosis end diastolic velocity (EDV) ≤ 63 cm/s and/or distal peak systolic velocity (PSV) > 23 cm/s, seen in 115 (38%) participants. The best rule-in criteria were stenosis EDV ≥ 280 cm/s and/or distal PSV ≤ 23 cm/s, seen in 35 (12%) participants. Of the remaining participants, 143 (47%) were uncertain (74 CNOs) and 9 (3%) were misdiagnosed as carotid occlusion (all CNOs). CONCLUSIONS: CDU alone cannot diagnose CNO but can rule in or rule out CNO in half of participants with ≥ 50% stenosis. These criteria are intended for inclusion in an algorithm, sorting cases needing further exams, such as CTA and/or phase-contrast magnetic resonance angiography.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».