Predischarge exercise electrocardiogram and stress echocardiography can predict long‐term clinically driven revascularization following acute myocardial infarction
Notice bibliographique
Résumé
BACKGROUND: Predischarge stress testing provides suboptimal prediction of spontaneous hard events following uncomplicated acute myocardial infarction (AMI). HYPOTHESIS: This study was aimed at assessing whether soft cardiac ischemic events requiring late revascularization could be predicted more accurately. METHODS: In all, 428 patients undergoing exercise electrocardiography (ECG) and stress echocardiography (SE, 345 dobutamine and 83 dypiridamole) within 15 days of uncomplicated AMI were followed up for 425 (range 20-2220) days. Soft ischemic events (effort angina>class II [Canadian Cardiovascular Society Classification] and unstable angina) driving late (>6 months) revascularization were regarded as endpoints. RESULTS: A total of 58 events (29 effort and 29 unstable angina with subsequent 47 coronary artery bypass grafts and 11 percutaneous transluminal coronary angioplasties) occurred: 26 in patients with positive exercise ECG and 34 in patients with positive SE. Univariate predictors of revascularizations were positive exercise ECG (p = 0.0001), peak wall motion score index (WMSI) (p = 0.0009), low workload (p = 0.0018), rest WMSI (p = 0.02) and positive SE (p = 0.02). Cox multivariate analysis selected peak WMSI, positive exercise ECG, and low workload positive exercise ECG as independent predictors of late revascularizations. CONCLUSIONS: Predischarge stress testing identifies the long-term occurrence of soft ischemic events driving late revascularization after uncomplicated AMI.
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) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 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 ».