Risk modeling for ventricular assist device support in post-cardiotomy shock
Notice bibliographique
Résumé
BACKGROUND: Post-cardiotomy shock (PCS) has a complex etiology. Although treatment with inotrops and intra-aortic balloon pump (IABP) support improves cardiac performance, end-organ injuries are common and lead to prolonged ICU stay, extended hospitalization and increased mortality. Early consideration of mechanical circulatory support may prevent such complications and improve outcome. METHODS: Between January 1997 and January 2002, 321 patients required IABP and inotropic support for PCS following coronary artery bypass grafting (CABG) at our institution. Perioperative variables including age, mixed venous saturation (MVO2), inotropic requirements and LV function were analyzed using multivariate statistical methods. All explanatory variables with a univariate p value <0.10 were entered into a stepwise logistic regression model to predict hospital mortality. Odds ratios from significant variables (p < 0.05) in the regression model were used to compose a risk score. RESULTS: Overall hospital mortality was 16%. The independent risk factors for mortality in this population were: MVO2 < 60% (OR = 3.2), milrinone > 0.5 μg/kg/min (OR = 3.2), age > 75 (OR = 2.7), adrenaline > 0.1 μg/kg/min (OR = 1.5). A 15-point risk score was developed based on the regression model. Hospital mortality in patients with a score >6 was 46% (n = 13/28), 3-6 was 31% (n = 9/29) and <3 was 11% (n = 29/264). CONCLUSIONS: A significant proportion of patients with PCS continue to face high mortality despite IABP and inotropic support. Advanced age, heavy inotropic dependency and poor oxygen delivery all predicted increased risk for death. Further investigation is needed to assess whether early institution of VAD support could improve outcome in this high-risk group of patients.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».