Risk Factors For Recurrent Stroke After Coronary Artery Bypass Grafting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Preventing stroke after coronary artery bypass grafting (CABG) remains a therapeutic goal, due in part to the lack of identifiable risk factors. The aim of this study, accordingly, was to identify risk factors in CABG patients with a previous history of stroke. METHODS: Patients with a history of stroke who underwent CABG at Beijing An Zhen hospital from January 2007 to July 2010 were selected (n = 430), and divided into two groups according to the occurrence of postoperative stroke. Pre-operative and post-operative data were retrospectively collected and analyzed by univariate and multivariate logistic regression analyses. RESULTS: Thirty-two patients (7.4%) suffered post-operative stroke. Univariate analysis identified several statistically significant risk factors in the post-operative stroke group, including pre-surgical left ventricular ejection fractions (LVEF) ≤50%, on-pump surgery, post-operative atrial fibrillation (AF), and hypotension. Multivariable analysis identified 4 independent risk factors for recurrent stroke: unstable angina (odds ratio (OR) = 2.95, 95% CI: 1.05-8.28), LVEF ≤50% (OR = 2.77, 95% CI: 1.23-6.27), AF (OR = 4.69, 95% CI: 1.89-11.63), and hypotension (OR = 2.55, 95% CI: 1.07-6.04). CONCLUSION: Unstable angina, LVEF ≤50%, post-operative AF, and post-operative hypotension are independent risk factors of recurrent stroke in CABG patients with a previous history of stroke.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découle