Cardiovascular magnetic resonance left ventricular 4D-flow: differences in flow components and kinetic energy across heart failure spectrum
Notice bibliographique
Résumé
Abstract Aims Cardiovascular magnetic resonance (CMR) 4-dimensional (4D) intraventricular flow analysis quantifies volume and kinetic energy (KE) of direct flow (DF), and residual volume (ReV) components, illustrating heart failure (HF) haemodynamic changes. Study aims were (1) compare volume and KE indexed (KEi) of DF and ReV between groups. (2) Assess relationship between 4D-flow parameters with CMR parameters. Methods and results 187 subjects (63.0 ± 17.1 years; 101 males) comprising 78 controls, 47 HF with preserved ejection fraction (HFpEF), 25 HF with mildly reduced ejection fraction (HFmrEF), 37 HF with reduced ejection fraction (HFrEF) were included. Volume and KEi of DF, and ReV were obtained from 4D flow CMR images. Controls had highest DF volume and systolic KEi (control 35.0% and 54.7 µJ/mL), followed by HFpEF (22.7% and 61.4 µJ/mL), HFmrEF (13.1% and 43.3 µJ/mL), HFrEF (5.2% and 33.1 µJ/mL) (P < 0.001). ReV and diastolic KEi were lowest in controls (26.0% and 7.9 µJ/mL), and higher across HFpEF (31.8% and 7.8 µJ/mL), HFmrEF (41.6% and 10.8 µJ/mL), HFrEF (49.5% and 11.5 µJ/mL) (P < 0.001). DF volume correlated positively with left ventricular ejection fraction (LVEF) (r = 0.794), but negatively with LV-end-diastolic volume indexed (EDVi) (r = −0.563) (all P < 0.001). ReV correlated negatively with LVEF (r = −0.737) but positively with LV-EDVi (r = 0.602) (all P < 0.001). Loss of two diastolic peaks in KE time curves for HF patients were shown. Conclusion CMR 4D DF and ReV with their KEi showed haemodynamic changes and KEi time curve pattern distortions in HF.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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; 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 ».