Développement d'un simulateur de remplacement de la valve cardiaque tricuspide par cathéter
Bibliographic record
Abstract
RÉSUMÉ: Les maladies cardiovasculaires sont la première cause de mortalité dans le monde. Une partie des maladies cardiovasculaires affecte les valves du cœur, qui sont des structures dynamiques assurant une circulation optimale du sang à travers les oreillettes, les ventricules et les vaisseaux sanguins connectés au cœur. Peu importe la valve affectée, ces maladies peuvent induire une insuffisance cardiaque et à terme la mort. Environ 2.5% de la population canadienne est atteinte d'une pathologie valvulaire, tandis que cette prévalence grimpe à 13% chez les individus de 75 ans et plus. Les sténoses aortiques et les régurgitations mitrales sont les plus fréquentes, mais la régurgitation de la valve tricuspide n’est cependant pas à sous-estimer, car elle touche dans sa forme modérée à sévère plus de 1.6 million de personnes aux États-Unis, et seulement 0.6 % d’entre elles sont traités. En effet, il n’existe pas de différence en termes de survie entre le traitement médical et le traitement chirurgical, très invasif. En raison du succès récent des interventions percutanées par cathéter pour le remplacement de valve aortique, ce besoin non satisfait est en potentielle voie d’être résolu. Ce type d’intervention, beaucoup moins invasif, est cependant complexe pour la valve tricuspide en raison de ses particularités anatomiques. Encore en essai clinique, la bioprothèse percutanée Lux-Valve de Jenscare est prometteuse. L’entrainement des cardiologues à ce type d’intervention est actuellement non optimal, car effectué sur des animaux, des cadavres ou des patients. Les simulateurs endovasculaires de réalité virtuelle se sont alors révélés comme une solution permettant aux cardiologues de s’entrainer sans risque pour le patient. L’avènement des cartes graphiques puissantes permet de tendre vers un niveau de réalisme accru. Il n’existe néanmoins pas de simulateur permettant de remplacer une valve tricuspide par cathéter en simulant numériquement et physiquement les instruments associés. En prenant comme support l’intervention avec la LuX-Valve, les objectifs de ce projet sont donc de 1) Simuler numériquement les modalités d’imagerie utilisées pour guider l’intervention, 2) Simuler numériquement les instruments et la valve et 3) Simuler physiquement les instruments. ABSTRACT: Cardiovascular diseases are the leading cause of mortality worldwide. Some of these diseases affect the heart valves, dynamic structures ensuring optimal blood circulation through the atria, ventricles, and vessels connected to the heart. Regardless of the affected valve, these diseases can lead to heart failure and even death in the long term. Approximately 2.5% of the Canadian population is affected by valvular pathology, with this prevalence rising to 13% in individuals aged 75 and older. Aortic stenosis and mitral regurgitation are the most common, but tricuspid valve regurgitation (TR) is significant, affecting over 1.6 million people in the United States, with only 0.6% receiving treatment. Conventional surgical approach has not shown any survival benefice over the medical treatment. Due to the recent success of percutaneous catheter interventions for aortic valve replacement, this unmet need may be addressed. However, such interventions are complex for the tricuspid valve due to its anatomical peculiarities. The Lux-Valve percutaneous bioprothesis by Jenscare shows encouraging preliminary results in terms of TR elimination. The training methods for cardiologists, typically conducted on animals, cadavers, or patients, are not optimal. Virtual reality endovascular simulators offer a risk-free training solution, with increasingly realistic graphics enabled by powerful GPUs. Yet, there's currently no simulator for transcatheter tricuspid valve replacement that digitally and physically simulates associated instruments. Thus, this project aims to 1) Simulate imaging modalities used to guide the procedure, 2) Numerically simulate the instruments and the valve, 3) Physically simulate the instruments.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".