The Role of Muscle Density in Predicting the Amputation Risk in Peripheral Arterial Disease: A Tissue Composition Study Using Lower Extremity CT Angiography
Notice bibliographique
Résumé
Objectives: Peripheral arterial disease (PAD) is a common vascular condition with amputation as a major complication. While muscle volume and vascular severity is often considered in risk prediction, the prognostic value of muscle density remains underexplored. Methods: In this exploratory study, we retrospectively analyzed 134 patients undergoing lower-limb computed tomography angiography between January 2018 and December 2023. Muscle density (MD), muscle volume, intermuscular adipose tissue (IMAT), and vascular severity scores were quantified using deep learning software. Patients were stratified into non-PAD, mild PAD, and critical limb ischemia (CLI) groups. Multivariate Cox regression assessed associations with amputation risk. Results: PAD patients, especially those with CLI, had lower muscle volumes (e.g., total leg: 7945.3 ± 2012.5 cm3 in CLI vs. 11,161.6 ± 4670.4 cm3 in non-PAD), lower muscle densities (e.g., lower leg: 34.0 ± 10.5 HU in CLI vs. 44.1 ± 6.9 HU in non-PAD), higher intermuscular adipose tissue volume percentage (e.g., total leg: 15.6 ± 5.4% in CLI vs. 10.5 ± 3.6% in non-PAD), and higher vascular severity scores (e.g., total leg: 12.6 ± 5.0 in CLI vs. 0.1 ± 0.3 in non-PAD), compared to non-PAD individuals. Only muscle density (MD) including that of abdominal muscle, thigh muscle, and lower leg muscle remained significant predictors of amputation risk after adjusting for confounders. Multivariate Cox regression models, adjusted for demographics and comorbidities, revealed that lower MD of abdomen (<18.7 HU; HR, 6.50, 95% CI, 1.95–21.77), thigh (<27.8 HU; HR, 5.00, 95% CI, 1.60–15.66), and lower leg (<32.4 HU; HR, 6.89, 95% CI, 2.17–21.93) muscles were independently associated with increased amputation risk. Conclusions: Muscle density, reflecting muscle quality rather than quantity, was an independent predictor of amputation risk in PAD. These findings highlight the prognostic value of muscle quality and support the integration of advanced imaging techniques, such as automated CTA-based body composition analysis, for risk stratification in PAD patients.
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 ».