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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».