Preoperative Stroke and Outcomes after Coronary Artery Bypass Graft Surgery
Notice bibliographique
Résumé
BACKGROUND: Data are lacking on the optimal scheduling of coronary artery bypass grafting (CABG) surgery after stroke. The authors investigated the preoperative predictors of adverse outcomes in patients undergoing CABG, with a focus on the importance of the time interval between prior stroke and CABG. METHODS: The Hospital Episode Statistics database (April 2006-March 2010) was analyzed for elective admissions for CABG. Independent preoperative patient factors influencing length of stay, postoperative stroke, and mortality, were identified by logistic regression and presented as adjusted odds ratios (OR). RESULTS: In all, 62,104 patients underwent CABG (1.8% mortality). Prior stroke influenced mortality (OR 2.20 [95% CI 1.47-3.29]), postoperative stroke (OR 1.99 [1.39-2.85]), and prolonged length of stay (OR 1.31 [1.11-1.56]). The time interval between stroke and CABG did not influence mortality or prolonged length of stay. However, a longer time interval between stroke and CABG surgery was associated with a small increase in risk of postoperative stroke (OR per month elapsed 1.02 [1.00-1.04]; P = 0.047). An interaction was evident between prior stroke and myocardial infarction for death (OR 5.50 [2.84-10.8], indicating the importance of the combination of comorbidities. Prominent effects on mortality were also exerted by liver disease (OR 20.8 [15.18-28.51]) and renal failure (OR 4.59 [3.85-5.46]). CONCLUSIONS: The authors found no evidence that more recent preoperative stroke predisposed patients undergoing CABG surgery to suffer postoperative stroke, death, or prolonged length of stay. The combination of prior stroke and myocardial infarction substantially increased perioperative risk.
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) | 0,001 | 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) | 0,001 | 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 ».