Intra-operative Graft Blood Flow Measurements for Composite and Sequential Coronary Artery Bypass Grafting
Notice bibliographique
Résumé
OBJECTIVES: Intraoperative assessment of coronary artery bypass grafts (CABG) anastomotic quality can be performed using transit-time flowmetry (TTF). The aim of this study was to compare on- versus off-pump coronary graft TTF and early postoperative outcomes. MATERIALS AND METHODS: Between January 2009 and January 2010, 521 distal graft flows were assessed using TTF measurements in 253 consecutive patients undergoing primary isolated CABG surgery. Data were analyzed using multilevel models accounting for clustering among surgeons and grafts performed in the same patient. RESULTS: Mean age was 66 ± 10 years and 22% were female (n = 55) with 34% diabetics (n = 86) and 40% preoperative myocardial infarction (MI) (n = 101). The surgeries were performed off-pump in 67% (n = 170) with sequential vein grafts in 57% (n = 144) of patients. Off-pump patients had higher pre-operative left ventricular ejection fractions (LVEF), fewer urgent surgeries, fewer distal anastomoses, and fewer sequential vein grafts (all p<0.001). Intra-operative coronary graft TTF measurements were lower in sequential vein grafts performed off-pump versus on-pump. More patients in the on-pump group needed milrinone or dobutamine 24-48 h postoperatively (p = 0.005). Independent predictors of lower TTF included female gender and off-pump surgery, whereas predictors of better TTF were preoperative MI, larger coronary diameter at the site of the distal anastomosis, and sequential vein grafting. CONCLUSIONS: Lower intra-operative TTF measurements were found in sequential vein grafts in off-pump CABG. However, off-pump patients experienced similar short-term outcomes compared to on-pump 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 | 0,001 | 0,000 |
| 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 ».