RU2816249C1 - Method for predicting risk of developing aortic stenosis in patients with bicuspid aortic valve and aortic dilatation - Google Patents
Method for predicting risk of developing aortic stenosis in patients with bicuspid aortic valve and aortic dilatation Download PDFInfo
- Publication number
- RU2816249C1 RU2816249C1 RU2023115962A RU2023115962A RU2816249C1 RU 2816249 C1 RU2816249 C1 RU 2816249C1 RU 2023115962 A RU2023115962 A RU 2023115962A RU 2023115962 A RU2023115962 A RU 2023115962A RU 2816249 C1 RU2816249 C1 RU 2816249C1
- Authority
- RU
- Russia
- Prior art keywords
- aortic
- blood serum
- patients
- dilatation
- value
- Prior art date
Links
- 206010002906 aortic stenosis Diseases 0.000 title claims abstract description 29
- 208000021654 bicuspid aortic valve disease Diseases 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 title claims abstract description 14
- 206010004552 Bicuspid aortic valve Diseases 0.000 title claims abstract description 13
- 206010057453 Aortic dilatation Diseases 0.000 title description 3
- 210000002966 serum Anatomy 0.000 claims abstract description 23
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims abstract description 20
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims abstract description 19
- 210000000709 aorta Anatomy 0.000 claims abstract description 13
- 201000002064 aortic valve insufficiency Diseases 0.000 claims abstract description 12
- 229940109239 creatinine Drugs 0.000 claims abstract description 10
- 108010035042 Osteoprotegerin Proteins 0.000 claims abstract description 9
- XXUPLYBCNPLTIW-UHFFFAOYSA-N octadec-7-ynoic acid Chemical compound CCCCCCCCCCC#CCCCCCC(O)=O XXUPLYBCNPLTIW-UHFFFAOYSA-N 0.000 claims abstract description 9
- 235000012000 cholesterol Nutrition 0.000 claims abstract description 8
- 238000011161 development Methods 0.000 claims abstract description 8
- 230000002308 calcification Effects 0.000 claims abstract description 7
- 206010067171 Regurgitation Diseases 0.000 claims abstract description 3
- 239000000090 biomarker Substances 0.000 claims abstract description 3
- 102000008108 Osteoprotegerin Human genes 0.000 claims abstract 5
- 230000001174 ascending effect Effects 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 3
- 238000013130 cardiovascular surgery Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 208000002330 Congenital Heart Defects Diseases 0.000 description 6
- 208000018672 Dilatation Diseases 0.000 description 6
- 208000028831 congenital heart disease Diseases 0.000 description 6
- 102100032236 Tumor necrosis factor receptor superfamily member 11B Human genes 0.000 description 5
- 102000005666 Apolipoprotein A-I Human genes 0.000 description 4
- 108010059886 Apolipoprotein A-I Proteins 0.000 description 4
- 208000004434 Calcinosis Diseases 0.000 description 4
- 210000001765 aortic valve Anatomy 0.000 description 4
- 206010050559 Aortic valve calcification Diseases 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000000326 densiometry Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 206010002915 Aortic valve incompetence Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 238000011868 Wald Chi square test Methods 0.000 description 1
- 210000004763 bicuspid Anatomy 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012144 step-by-step procedure Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Abstract
Description
Изобретение относится к области медицины, кардиологии и сердечно-сосудистой хирургии и может быть использовано для прогнозирования риска развития аортального стеноза (АС) у пациентов с врожденным пороком сердца: бикуспидальный аортальный клапан (ВПС:БАК) и дилатацией восходящего отдела аорты (ДВОА).The invention relates to the field of medicine, cardiology and cardiovascular surgery and can be used to predict the risk of developing aortic stenosis (AS) in patients with congenital heart disease: bicuspid aortic valve (ACV:BAV) and dilatation of the ascending aorta (ADOA).
Известен способ оценки кальциноза аортального клапана при помощи ультразвуковой денситометрии (патент РФ №2306104, опубл. 20.09.2007 г.), включающий выполнение ультразвукового исследования сердца на диагностической системе Nemio 35 (TOSHIBA) для визуализации используют стандартную кардиальную программу (IHeartA), кардиальный датчик - фазированную решетку и стандартные заводские настройки получения изображения: уровень Gain-80, частоту инсонации датчика - 2,5 МГц без применения 2-й гармоники; при этом изображение аортального клапана выводится из парастернальной позиции датчика с сечением по короткой оси, аортальный клапан оконтурируется включая клапанное кольцо по методу эллипса и после проведения ультразвуковой денситометрии с использованием программы 2Б-гистограммы оценивается значение показателя Mean.There is a known method for assessing calcification of the aortic valve using ultrasound densitometry (RF patent No. 2306104, published on September 20, 2007), which includes performing an ultrasound examination of the heart on the Nemio 35 diagnostic system (TOSHIBA) for visualization using a standard cardiac program (IHeartA), a cardiac sensor - phased array and standard factory settings for image acquisition: Gain-80 level, sensor insonation frequency - 2.5 MHz without using the 2nd harmonic; in this case, the image of the aortic valve is displayed from the parasternal position of the sensor with a cross-section along the short axis, the aortic valve is contoured including the valve ring using the ellipse method, and after ultrasonic densitometry using the 2B-histogram program, the value of the Mean indicator is estimated.
Недостатком известного способа является его трудоемкость и необходимость применения дорогостоящих приборов и диагностической системы.The disadvantage of this known method is that it is labor intensive and requires the use of expensive instruments and a diagnostic system.
Также известен способ определения риска наличия кальциноза клапана аорты у пациентов 60 лет и старше (патент РФ №2754946, опубл. 08.09.2021 г.), который включает определение содержания аполипопротеина А-1 в сыворотке крови и расчет значения дискриминантной функции по формуле:There is also a known method for determining the risk of aortic valve calcification in patients 60 years of age and older (RF patent No. 2754946, published 09/08/2021), which includes determining the content of apolipoprotein A-1 in blood serum and calculating the value of the discriminant function using the formula:
Д=-4,6×АпоА-1+5,22, где:D=-4.6×ApoA-1+5.22, where:
АпоА-1 - содержание АпоА-1 в сыворотке крови (г/л);ApoA-1 - ApoA-1 content in blood serum (g/l);
если Д>0, пациента относят к группе имеющего кальциноз, при ДО пациента относят к группе не имеющего кальциноз клапана аорты.if D>0, the patient is assigned to the group with calcification; if D is present, the patient is assigned to the group without aortic valve calcification.
Недостатком известного способа являются возрастные ограничения, данный способ рассчитан только для пациентов старше 60 лет.The disadvantage of this known method is age restrictions; this method is designed only for patients over 60 years old.
Техническим результатом предлагаемого изобретения является создание способа прогнозирования риска развития аортального стеноза у пациентов с бикуспидальным аортальным клапаном и дилатацией восходящего отдела аорты, позволяющего повысить достоверность и специфичность прогнозирования риска развития аортального стеноза.The technical result of the present invention is the creation of a method for predicting the risk of developing aortic stenosis in patients with a bicuspid aortic valve and dilatation of the ascending aorta, which makes it possible to increase the reliability and specificity of predicting the risk of developing aortic stenosis.
Указанный технический результат при реализации изобретения достигается тем, что в способе прогнозирования у пациента в сыворотке крови определяют биомаркеры кальциноза sRANKL и остеопротегерина, общий холестерин, креатинин; оценивают степень тяжести аортальной недостаточности (АН) по данным эхокардиографического исследования; далее рассчитывают логистическую функцию вероятности возникновения аортального стеноза по формуле:The specified technical result in the implementation of the invention is achieved by the fact that in the method of predicting the patient's blood serum, the biomarkers of calcification sRANKL and osteoprotegerin, total cholesterol, and creatinine are determined; assess the severity of aortic insufficiency (AI) according to an echocardiographic study; Next, calculate the logistic function of the probability of aortic stenosis using the formula:
где р - вероятность возникновения аортального стеноза в %;where p is the probability of aortic stenosis in%;
X1 - пол пациента: мужской - 1, женский - 0;X1 - patient gender: male - 1, female - 0;
Х2 - АН: 0 - отсутствие регургитации/приклапанная, легкая - 1, умеренная - 2, тяжелая - 3;X2 - AN: 0 - no regurgitation/valvular, mild - 1, moderate - 2, severe - 3;
Х3 - значение креатинина в сыворотке крови в мкмоль/л;X3 - serum creatinine value in µmol/l;
Х4 - значение общего холестерина в сыворотке крови в ммоль/л;X4 - the value of total cholesterol in the blood serum in mmol/l;
Х5 - значение sRANKL в сыворотке крови в пмоль/л;X5 - sRANKL value in blood serum in pmol/l;
Х6 - значение остеопротегерина в сыворотке крови в пмоль/л;X6 - value of osteoprotegerin in blood serum in pmol/l;
-8,4972 - свободный член уравнения;-8.4972 - free term of the equation;
полученное значение р>85% свидетельствует о развития аортального стеноза у пациентов с бикуспидальным аортальным клапаном и дилатацией восходящего отдела аорты.the obtained p value>85% indicates the development of aortic stenosis in patients with a bicuspid aortic valve and dilatation of the ascending aorta.
Основой заявленного способа является построение логистической регрессионной модели (прогностической модели), позволяющей получить вероятность риска развития аортального стеноза у пациентов с бикуспидальным аортальным клапаном и дилатацией восходящего отдела аорты.The basis of the claimed method is the construction of a logistic regression model (prognostic model), which allows one to obtain the probability of the risk of developing aortic stenosis in patients with a bicuspid aortic valve and dilatation of the ascending aorta.
Для прогноза развития АС у пациентов с ВПС:БАК и ДВОА были построены логистические уравнения, при построении которых использовались количественные и качественные предикторы в различных сочетаниях, с пошаговым алгоритмом включения, позволивший получить несколько десятков уравнений логистической регрессии, из которых производился отбор уравнений, имеющего самые высокие значения верного предсказания-более 70%. Ниже представлено уравнение регрессии с наибольшей предсказательной ценностью совокупности предикторов:To predict the development of AS in patients with congenital heart disease: LHD and DVOA, logistic equations were constructed, in the construction of which quantitative and qualitative predictors were used in various combinations, with a step-by-step inclusion algorithm, which made it possible to obtain several dozen logistic regression equations, from which the selection of equations with the most high values of correct prediction - more than 70%. Below is the regression equation with the highest predictive value of the set of predictors:
где р - вероятность возникновения аортального стеноза в %;where p is the probability of aortic stenosis in%;
X1 - пол пациента: мужской - 1, женский - 0;X1 - patient gender: male - 1, female - 0;
Х2 - аортальная недостаточность (АН): 0 - отсутствие аортальной регургитации/приклапанная, легкая - 1, умеренная - 2, тяжелая - 3;X2 - aortic insufficiency (AI): 0 - absence of aortic regurgitation/valvular, mild - 1, moderate - 2, severe - 3;
Х3 - значение креатинина в сыворотке крови в мкмоль/л;X3 - serum creatinine value in µmol/l;
Х4 - значение общего холестерина в сыворотке крови в ммоль/л;X4 - the value of total cholesterol in the blood serum in mmol/l;
Х5 - значение sRANKL в сыворотке крови в пмоль/л;X5 - sRANKL value in blood serum in pmol/l;
Х6 - значение остеопротегерина в сыворотке крови в пмоль/л;X6 - value of osteoprotegerin in blood serum in pmol/l;
-8,4972 - свободный член уравнения. Уровень значимости для включения предикторов в уравнение регрессии задавался таким, чтобы достигнутый уровень значимости критерия Вальда Хи-квадрат для каждого предиктора по окончании пошаговой процедуры не превышал 10%. Пошаговый порядок (Step) включения отобранных предикторов (Variable) в уравнение с указанием процента верного предсказания на каждом шаге и коэффициентов регрессии отражен в таблице 1, по которой можно проследить динамику предсказательной ценности предикторов и их совокупности при оценке уравнения логит-регрессии в целом. Соответствие модели и реальных данных оценивалось с использованием теста согласия Хосмера-Лемешова (Hosmer and Lemeshov Goodness-of-Fit Test). Для нашего уравнения уровень значимости теста согласия составил 0,2414, т.е. созданная модель является значимой.-8.4972 is the free term of the equation. The significance level for inclusion of predictors in the regression equation was set such that the achieved significance level of the Wald Chi-square test for each predictor at the end of the step-by-step procedure did not exceed 10%. The step-by-step order (Step) of including selected predictors (Variable) into the equation, indicating the percentage of correct prediction at each step and regression coefficients, is reflected in Table 1, from which you can trace the dynamics of the predictive value of the predictors and their totality when estimating the logit regression equation as a whole. The fit between the model and real data was assessed using the Hosmer and Lemeshov Goodness-of-Fit Test. For our equation, the significance level of the goodness-of-fit test was 0.2414, i.e. the model created is meaningful.
Площадь под ROC-кривой рассчитывалась для оценки качества полученной модели и составила для модели - 0,8556 (фиг. 1), данный результат площади под ROC-кривой говорит о высоком качестве представленной математической модели для прогнозирования риска развития АС у пациентов с ВПС:БАК и дилатацией аорты.The area under the ROC curve was calculated to assess the quality of the resulting model and was 0.8556 for the model (Fig. 1), this result of the area under the ROC curve indicates the high quality of the presented mathematical model for predicting the risk of developing AS in patients with congenital heart disease: LHD and dilatation of the aorta.
ROC-кривая для модели прогнозирования развития АС у пациентов с ВПС:БАК и ДВОА на основе регрессионного анализа представлена на фиг. 1.The ROC curve for the model for predicting the development of AS in patients with congenital heart disease: BAH and DVOA based on regression analysis is presented in Fig. 1.
Площадь под кривой на 3 шаге включения равна 0,8556.The area under the curve at the 3rd inclusion step is 0.8556.
Для активного применения предлагаемой математической модели в практике нами был создан вероятностный калькулятор развития аортального стеноза у пациентов с врожденным пороком сердца: бикуспидальным аортальным клапаном и дилатацией восходящего отдела аорты с использованием стандартного табличного редактора MS Excel включенным в пакет программы MS Office 2007позволяющей интегрировать указанное выше уравнение и вносить в данный калькулятор индивидуальные числовые характеристики пациента по указанным выше критериям прогноза. В результате в числовом выражении в процентах автоматически отображается искомая величина «р», в случае ее превышения 85% у пациента с ВПС:БАК и ДВОА риск развития АС считается высоким.For the active use of the proposed mathematical model in practice, we created a probabilistic calculator for the development of aortic stenosis in patients with congenital heart disease: bicuspid aortic valve and dilatation of the ascending aorta using the standard MS Excel spreadsheet editor included in the MS Office 2007 software package, which allows integrating the above equation and enter into this calculator the individual numerical characteristics of the patient according to the above forecast criteria. As a result, the desired “p” value is automatically displayed in numerical expression as a percentage; if it exceeds 85%, the risk of developing AS is considered high in a patient with CHD: BAV and DVOA.
Проведенный много факторный анализ позволил определить, что для взаимосвязи аортального стеноза и дилатации аорты у пациентов с бикуспидальным АК наиболее неблагоприятной совокупностью факторов риска являются маркеры кальциноза: ОПГ и sRANKL, а также сывороточная концентрация креатинина и общего холестерина, кроме того, доказана роль АН как предиктора формирования АС.A multifactorial analysis made it possible to determine that for the relationship between aortic stenosis and aortic dilatation in patients with bicuspid aortic valves, the most unfavorable set of risk factors are markers of calcification: OPG and sRANKL, as well as serum concentrations of creatinine and total cholesterol; in addition, the role of AN as a predictor has been proven formation of the AS.
Пример осуществления предлагаемого способаAn example of the proposed method
Пример 1. Пациент М. 50 лет проходил стационарное лечение в кардиологическом отделении ФГБУ НМИЦ им В.А. Алмазова с диагнозом: ВПС. Бикуспидальный АК. Гипертоническая болезнь II ст., риск ССО 3. Помимо стандартного общеклинического обследования пациенту М. был проведен анализ лабораторных показателей: уровень креатинина составил 78 мкмоль/л, уровень холестерина 5.5 ммоль/л, уровень sRANKL 0.59 пмоль/л, уровень остеопротегерина 8.1 пмоль/л, также было выполнено эхокардио графическое исследование: выявлен бикуспидальный АК, аортальная недостаточность 1 степени, размер восходящей аорты составил 44 мм, скорость на АК составила 1.7 м/с. С помощью предлагаемой математической модели прогнозирования встроенной в программу MS Excel, 2007 был проведен расчет вероятности развития АС у данного пациента, риск развития составил 94.3%, что является высокой градацией риска. В дальнейшем пациент ежегодно наблюдался и обследовался в ФГБУ НМИЦ им В.А. Алмазова, показаний к оперативному лечению до настоящего времени выявлено не было. Через 5 лет при выполнении эхокардиографического исследования был выявлен легкий АС, скорость на АК составила 2.4 м/с.Example 1. Patient M., 50 years old, underwent inpatient treatment in the cardiology department of the Federal State Budgetary Institution National Medical Research Center named after V.A. Almazova with a diagnosis of congenital heart disease. Bicuspid AC. Stage II hypertension, risk of cardiovascular disease 3. In addition to the standard general clinical examination, patient M. underwent analysis of laboratory parameters: creatinine level was 78 µmol/l, cholesterol level 5.5 mmol/l, sRANKL level 0.59 pmol/l, osteoprotegerin level 8.1 pmol/ l, an echocardiographic study was also performed: a bicuspid aortic valve was detected, aortic insufficiency of the 1st degree, the size of the ascending aorta was 44 mm, the velocity on the aortic valve was 1.7 m/s. Using the proposed mathematical forecasting model built into the MS Excel 2007 program, the probability of developing AS in a given patient was calculated; the risk of development was 94.3%, which is a high gradation of risk. Subsequently, the patient was observed and examined annually at the Federal State Budgetary Institution National Medical Research Center named after V.A. Almazov, no indications for surgical treatment have been identified to date. After 5 years, an echocardiographic study revealed mild AS, the velocity on the AC was 2.4 m/s.
Принято решение по окончании экспертизы материалов заявки осуществлять прогнозирование развития аортального стеноза у пациентов с бикуспидальным аортальным клапаном и дилатацией аорты по предлагаемому способу с целью снижения риска осложнений и своевременного направления пациентов на оперативное лечение.It was decided, upon completion of the examination of the application materials, to predict the development of aortic stenosis in patients with a bicuspid aortic valve and aortic dilatation using the proposed method in order to reduce the risk of complications and timely referral of patients for surgical treatment.
Claims (11)
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2816249C1 true RU2816249C1 (en) | 2024-03-27 |
Family
ID=
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016038169A1 (en) * | 2014-09-12 | 2016-03-17 | Koninklijke Philips N.V. | Analyzing aortic valve calcification |
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016038169A1 (en) * | 2014-09-12 | 2016-03-17 | Koninklijke Philips N.V. | Analyzing aortic valve calcification |
Non-Patent Citations (2)
| Title |
|---|
| CHEN J.Y. et al. Development and validation of a new prediction model for calcific aortic valve stenosis. J Thorac Dis. 2022, 14(10), p.4044-4054. * |
| ИРТЮГА О.Б. Клинико-патогенетические аспекты формирования аортального стеноза и расширения аорты у пациентов с бикуспидальным аортальным клапаном. Диссер. С-Птб 2023, стр.1-302. KALTOFT M. et al. Obesity, triglycerides, remnant cholesterol, and other causal factors in aortic valve stenosis: A Review. Cardiometab Syndr J. 2022, 2(2), p.108-127. LIS G.J. et al. Influence of osteoclasts and osteoprotegerin on the mode of calcific degeneration of aortic valves. Pol Arch Med Wewn. 2016, 126(3), p.149-158. STEINMETZ M. et al. Differential profile of the OPG/RANKL/RANK-system in degenerative aortic native and bioprosthetic valves. J Heart Valve Dis. 2008, 17(2), p.187-193. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arad et al. | Coronary calcification, coronary disease risk factors, C-reactive protein, and atherosclerotic cardiovascular disease events: the St. Francis Heart Study | |
| Radke et al. | Diagnosis and treatment of Marfan syndrome: an update | |
| Colan et al. | Validation and re-evaluation of a discriminant model predicting anatomic suitability for biventricular repair in neonates with aortic stenosis | |
| Frederiksen et al. | Assessment of cardiac pathology by point-of-care ultrasonography performed by a novice examiner is comparable to the gold standard | |
| US20220215541A1 (en) | Method, device and computer-readable medium for automatically classifying coronary lesion according to cad-rads classification by a deep neural network | |
| Amsallem et al. | Investigating the value of right heart echocardiographic metrics for detection of pulmonary hypertension in patients with advanced lung disease | |
| Genders et al. | The quantitative science of evaluating imaging evidence | |
| Zhao et al. | A nomogram based on Apelin-12 for the prediction of major adverse cardiovascular events after percutaneous coronary intervention among patients with ST-segment elevation myocardial infarction | |
| KR20210053545A (en) | Method of providing user interface for prediction of diseases and device of providing user interface for prediction of diseases using the same | |
| Artaza et al. | Validation of the usefulness of 2-dimensional strain parameters to exclude acute rejection after heart transplantation: a multicenter study | |
| Morita et al. | Deep learning analysis of echocardiographic images to predict positive genotype in patients with hypertrophic cardiomyopathy | |
| RU2816249C1 (en) | Method for predicting risk of developing aortic stenosis in patients with bicuspid aortic valve and aortic dilatation | |
| US20220215542A1 (en) | Method, device and computer-readable medium for automatically detecting hemodynamically significant coronary stenosis | |
| WO2021250433A2 (en) | Assay method | |
| Abe | Screening for aortic stenosis using physical examination and echocardiography | |
| RU2523391C1 (en) | Method for prediction of risk of developing coronary artery restenosis after stenting procedure in patients with ischemic heart disease | |
| Zhan et al. | Left ventricular myocardial work indices in pediatric hypertension: correlations with conventional echocardiographic assessment and subphenotyping | |
| Frederiksen et al. | Echocardiographic evaluation of systolic and diastolic function: a preoperative study of correlation with serum NT-proBNP | |
| RU2742429C1 (en) | Method for rapid assessment of changes in lung tissue with covid-19 without using computer tomography of thorax organs | |
| RU2716452C1 (en) | Method for prediction of developing renal dysfunction at the end of subacute period of myocardial infarction in men younger than 60 years old | |
| Sun et al. | Assessment of Acute Pulmonary Embolism by Computer-Aided Technique: A Reliability Study | |
| RU2704960C1 (en) | Method for prediction of atherosclerosis development | |
| Hopman et al. | Left atrial sphericity in relation to atrial strain and strain rate in atrial fibrillation patients | |
| Singh et al. | Can echocardiographic assessment of diastolic function be automated? | |
| Iwano et al. | Study protocol for prospect trial to elucidate the utility of echocardiography-based cardiac output in acute heart failure (PREDICT) |