عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
NATIONAL BIBLIOGRAPHY NUMBER
Number
۹۸۰۷۳پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
فارسی
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
بررسی خصوصیات پلاک اترواسکلروتیک در بیماران ارجا ع شده برای انجام سی تی انژیوگرافی و فالواپ ۱۸ ماهه بیماران مراجعه کننده به مرکز قلب تهران
General Material Designation
[پایان نامه]
First Statement of Responsibility
مجتبی قرشی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
Date of Publication, Distribution, etc.
۱۴۰۱
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۲۳ص
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
دکتری تخصصی
Discipline of degree
بیماری های قلب و عروق
Date of degree
۱۴۰۱/۰۲/۲۰
SUMMARY OR ABSTRACT
Text of Note
پیشینه و اهداف: این مطالعه با هدف مقایسه عملکرد پیش آگهی سیستم های امتیاز دهی مرسوم با یک مدل ماشین لرنینگ (machine learning - ML) در سی تی آنژیوگرافی کرونر (coronary computed tomography angiography - CCTA) به منظور تمایز بین بیماران با و بدون عوارض جانبی عمده قلبی عروقی (major adverse cardiovascular events – MACE) و یافتن مهمترین عوامل موثر بر بروز MACE طراحی و اجرا شد. روش اجرا: از نوامبر تا دسامبر 2019، 500 مورد از 1586 اسکن CCTA وارد مطالعه و مورد تجزیه و تحلیل قرار گرفتند، سپس برای هر شرکت‌کننده شش اسکور معمولی محاسبه شد و هفت مدل ML طراحی شد. نقطه پایانی مطالعه ما مرگ و میر همه علل، انفارکتوس میوکارد غیر کشنده، ریوسکولاریزاسیون عروق کرونر دیررس و بستری شدن در بیمارستان به دلیل آنژین ناپایدار یا نارسایی قلبی بود. عملکرد امتیاز با تجزیه و تحلیل سطح زیر منحنی (area under the curve – AUC)ارزیابی شد. نتایج: از 500 بیمار (میانگین سنی: 10±60 سال؛ 8/53% مرد) مراجعه‌کننده به CCTA، 416 بیمار معیارهای ورود، 46 بیمار با ارزیابی زودهنگام (کمتر از 90 روز) قلب (به دلیل ناتوانی در روشن شدن دلیل ارزیابی بدتر شدن علائم در مقابل نتیجه CCTA) و 38 بیمار به دلیل عدم پیگیری در آنالیز نهایی وارد نشدند. چهل و شش بیمار (11.0%) در طی 7.9 ± 20.5 ماه پس از پیگیری دچار MACE شدند. نشان داده شد که مدل‌های ML عملکرد پیش آگهی بالاتری در مقایسه با سیستم‌های امتیازدهی معمولی دارند. در روش ML، بهترین عملکرد برای روش جنگل تصادفی (RF) بود( AUC: 0.92 ، فاصله اطمینان 95% confidence interval (CI): 0.85-0.99). نمره کلسیم شریان کرونر (CACS) بیشترین همبستگی را با MACE داشت. نتیجه گیری: در مقایسه با سیستم امتیازدهی مرسوم، مدل‌های ML با استفاده از اسکن CCTA، پیش‌بینی پیش‌آگهی بهتری را برای MACE نشان می‌دهند. ویژگی های آناتومیک مهم تر از ویژگی های بالینی بود.
TOPICAL NAME USED AS SUBJECT
سی تی آنژیوگرافی کرونر
کلسیم اسکور شریان کرونر
عوارض جانبی عمده قلبی عروقی
اترواسکلروتیک
Coronary computed tomography angiography
Machine learning
Coronary artery calcium scores
Major adverse cardiovascular events
PERSONAL NAME - PRIMARY RESPONSIBILITY
Relator Code
، پدیدآور
قرشی، مجتبی
PERSONAL NAME - SECONDARY RESPONSIBILITY
Relator Code
، استاد راهنما
Relator Code
، استاد مشاور
امیدی، نگار
شیرانی، شاپور
CORPORATE BODY NAME - SECONDARY RESPONSIBILITY
Entry Element
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
ORIGINATING SOURCE
Country
ایران
Date of Transaction
20220810
LOCATION AND CALL NUMBER
Call Number
۱۳۶۳۴ت
DATA NOT CONVERTED FROM SOURCE FORMAT
Tag of the Source Format Field
دانشگاه علوم پزشکی تهران، کتابخانه دانشکده پزشکی
p
TF
92029
a
Y
