Correlation of cavotricuspid isthmus dynamics with clinical parameters: insights from interventional cardiac magnetic resonance imaging
Notice bibliographique
Résumé
Abstract Aims Ablation of typical atrial flutter (AFL) within an interventional cardiac magnetic resonance (iCMR) is a novel treatment modality. This study aims to describe the segmental kinetics of the cavotricuspid isthmus (CTI) during iCMR-guided ablation for AFL, to evaluate the impact of CTI dynamics on procedural time, to assess the utility of machine learning (ML) for clustering patient profiles based on CTI kinetics, and to identify clinical factors influencing CTI kinetics. Methods and results A cohort of 32 patients underwent first-time iCMR-guided CTI ablation while in sinus rhythm, of whom 15 (47%) underwent a successful electrical cardioversion (EC) within 12 h before the procedure. CTI delineation and measurements were retrospectively performed using TOMTEC-ARENA™ software. Normalized elongation (NE) was defined as the ratio between CTI elongation and CTI length during right atrial systole. Unsupervised ML (K-means clustering) was used for patients’ classification. Segmental analysis revealed greater displacements for CTI segments near the tricuspid valve compared with those near the Eustachian valve. K-means clustering identified three patient groups: low, intermediate, and high NE. Prior EC was significantly associated with low NE (P < 0.05), suggesting myocardial stunning. Hypokinetic CTIs were more prevalent among patients with dyslipidaemia, smoking history, and elevated BMI. Conclusion This study provides the first detailed description of segmental CTI dynamics during iCMR-guided AFL ablation. NE emerged as a valuable metric for characterizing CTI kinetics. A clinical profile including a history of EC, smoking status, elevated BMI, and dyslipidaemia, was linked to reduced CTI kinetics suggestive of right atrial cardiomyopathy.
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 | 0,003 | 0,002 |
| 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 | 0,001 |
| 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 ».