Risk Factors for Death or Stroke After Carotid Endarterectomy
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Carotid endarterectomy is an effective method for preventing strokes if patients do not suffer adverse perioperative outcomes. The purpose of this study was to identify preoperative patient risk factors for adverse outcomes (death or nonfatal stroke) after carotid endarterectomy through the use of a large population-based registry from Ontario, Canada. METHODS: Medical records of all 6038 patients who underwent carotid endarterectomy in Ontario between January 1, 1994, and December 31, 1997, were abstracted from 34 hospitals. Patient characteristics (demographic data, past medical history, neurological symptoms, comorbidities, radiological findings) and 30-day postoperative death or stroke rates were analyzed with logistic regression analysis. RESULTS: The overall 30-day death or stroke rate after surgery was 6.0%. A history of transient ischemic attack or stroke (odds ratio [OR], 1.75; 95% confidence interval [CI], 1.39 to 2.20), atrial fibrillation (OR, 1.89; 95% CI, 1.29 to 2.76), contralateral carotid occlusion (OR, 1.72; 95% C.I., 1.25 to 2.38), congestive heart failure (OR, 1.80; 95% CI, 1.15 to 2.81), and diabetes (OR, 1.28; 95% CI, 1.01 to 1.63) were significant independent predictors for 30-day death or stroke. These 5 factors were combined into a simple risk score that can be used to stratify patients into different risk groups for complications after surgery. CONCLUSIONS: Several patient characteristics predict the development of stroke and death after carotid endarterectomy. These characteristics may help clinicians in patient counseling and contribute to studies "benchmarking" the outcomes of carotid surgery in the community setting.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».