Poor mobility predicts adverse outcome better than other frailty indices in patients undergoing transcatheter aortic valve implantation
Notice bibliographique
Résumé
BACKGROUND: Surgical risk scoring systems are poor at predicting outcome in patients undergoing transcatheter aortic valve implantation (TAVI). Frailty indices might more accurately predict outcome. AIMS: To examine multiple frailty indices as markers of performance to see whether they predict outcomes both in the shorter (30 days) and longer terms (5 years) in patients who have undergone TAVI. METHODS: Frailty indices (Mobility; Brighton Mobility Index, New York Heart Association (NYHA), Karnofsky Performance Index, Canadian Study Health Association (CSHA) clinical frailty scale, and Katz Index of Dependence) were assessed in 312 consecutive TAVI patients. Mortality tracking was obtained from the Office of National Statistics as of May 2014. RESULTS: Mean age was 81.2 ± 7.0 years; 53.2% were male. Mean Logistic EuroSCORE and STS were 17.4 ± 9.4 and 4.6 ± 2.8, respectively. Mean peak aortic valve gradient and aortic valve area were 79.1 ± 28.0 mm Hg and 0.72 ± 0.25 cm(2) , respectively. 30-day mortality was 4.8%; long-term mortality (maximum 5.8 years, mean 2.2 ± 1.5 years) was 25.3%. Both univariate and multivariate analyses confirmed poor mobility (defined as severe impairment of mobility secondary to musculoskeletal or neurological dysfunction (Euroscore II risk)), as the best predictor of adverse outcome over both the short-term (OR 4.03, 95% CI (1.36-11.96), P = 0.012 (30 days)) and longer term (OR 2.15, 95% CI (1.33-3.48), P = 0.002, (2.2 ± 1.5 years.)). CONCLUSION: Poor mobility predicts worse survival among patients undergoing TAVI, both in the shorter and longer terms. Our data suggest that mobility impairment, of either neurological or musculoskeletal etiology, is an appropriate screening measure when considering patients for TAVI.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,004 |
| 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 | 0,000 |
| 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 ».