Bleeding complications in patients undergoing percutaneous coronary interventions
Notice bibliographique
Résumé
Bleeding complications are among the most common complications of percutaneous coronary intervention (PCI) procedures. A multitude of studies carried out over the last decade have confirmed that bleeding complications after PCI have a negative impact on patients' outcome (dissatisfaction, morbidity, and mortality) and hospital indices (length of stay and costs). Apart from better recognition and classification of bleeding, recent research has helped to device several risk stratification tools that have markedly improved prediction of peri-PCI bleeding. Moreover, parallel with the recognition of the deleterious effects of peri-PCI bleeding, several strategies (pre-PCI risk stratification for bleeding, the use of bivalirudin as an antithrombotic/anticoagulant strategy, the radial artery route for vascular access and vascular closure devices) that aim to reduce peri-PCI bleeding were developed and used. Their application has markedly reduced the incidence of bleeding and improved the clinical outcome. In this review, we focus primarily on the bleeding complications occurring during PCI procedures. Specifically, we summarize recent research on the need for a consensus in bleeding definition, incidence of bleeding events, and their impact on outcome, factors associated with increased risk and risk stratification for bleeding, putative mechanisms through which bleeding impact on outcome, and bleeding-avoidance strategies to be used in the setting of PCI procedures.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
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 ».