Individual patient data meta-analysis for the clinical assessment of coronary computed tomography angiography: protocol of the Collaborative Meta-Analysis of Cardiac CT (CoMe-CCT)
Notice bibliographique
Résumé
Coronary computed tomography angiography has become the foremost noninvasive imaging modality of the coronary arteries and is used as an alternative to the reference standard, conventional coronary angiography, for direct visualization and detection of coronary artery stenoses in patients with suspected coronary artery disease. Nevertheless, there is considerable debate regarding the optimal target population to maximize clinical performance and patient benefit. The most obvious indication for noninvasive coronary computed tomography angiography in patients with suspected coronary artery disease would be to reliably exclude significant stenosis and, thus, avoid unnecessary invasive conventional coronary angiography. To do this, a test should have, at clinically appropriate pretest likelihoods, minimal false-negative outcomes resulting in a high negative predictive value. However, little is known about the influence of patient characteristics on the clinical predictive values of coronary computed tomography angiography. Previous regular systematic reviews and meta-analyses had to rely on limited summary patient cohort data offered by primary studies. Performing an individual patient data meta-analysis will enable a much more detailed and powerful analysis and thus increase representativeness and generalizability of the results. The individual patient data meta-analysis is registered with the PROSPERO database (CoMe-CCT, CRD42012002780).The analysis will include individual patient data from published and unpublished prospective diagnostic accuracy studies comparing coronary computed tomography angiography with conventional coronary angiography. These studies will be identified performing a systematic search in several electronic databases. Corresponding authors will be contacted and asked to provide obligatory and additional data. Risk factors, previous test results and symptoms of individual patients will be used to estimate the pretest likelihood of coronary artery disease. A bivariate random-effects model will be used to calculate pooled mean negative and positive predictive values as well as sensitivity and specificity. The primary outcome of interest will be positive and negative predictive values of coronary computed tomography angiography for the presence of coronary artery disease as a function of pretest likelihood of coronary artery disease, analyzed by meta-regression. As a secondary endpoint, factors that may influence the diagnostic performance and clinical value of computed tomography, such as heart rate and body mass index of patients, number of detector rows, and administration of beta blockade and nitroglycerin, will be investigated by integrating them as further covariates into the bivariate random-effects model.This collaborative individual patient data meta-analysis should provide answers to the pivotal question of which patients benefit most from noninvasive coronary computed tomography angiography and thus help to adequately select the right patients for this test.
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 | 0,083 | 0,206 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,017 | 0,040 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,005 |
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 ».