Use of Perioperative Cardiac Medical Therapy Among Patients Undergoing Coronary Artery Bypass Graft Surgery
Notice bibliographique
Résumé
BACKGROUND: Previous studies have demonstrated that cardiac medical therapy is associated with improved clinical outcomes in noncardiac surgery. However, the use of these agents among patients undergoing coronary artery bypass graft (CABG) remains poorly understood. METHODS: We described the in-hospital medication use among 2,389 consecutive patients who underwent CABG at three North American hospitals. Demographic, clinical, and medication use information was extracted from resource and cost accounting systems at each hospital. We examined use of aspirin, angiotensin-converting-enzyme (ACE) inhibitors, beta blockers, and statins during the following seven in-hospital periods: admission, presurgery, the day before surgery, the day of surgery, the day after surgery, postsurgery, and discharge. RESULTS: Medication use throughout hospitalization was low among patients undergoing CABG. Use of ACE inhibitors and statins on the day of surgery was <10%, while aspirin and beta blocker use on the day of surgery was 43.0% and 42.9%, respectively. The use of cardiac medical therapy at hospital discharge was also low (ACE inhibitors: 23.0%; aspirin: 74.9%; beta blockers: 58.9%; and statins: 28.2%). The use of cardiac medical therapy at discharge appeared to increase over time. CONCLUSION: In-hospital cardiac medical therapies are underused among patients undergoing CABG. This is particularly true at discharge, where the benefits of these agents for secondary prevention are well established.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».