Mortality and Readmission of Patients With Heart Failure, Atrial Fibrillation, or Coronary Artery Disease Undergoing Noncardiac Surgery
Notice bibliographique
Résumé
BACKGROUND: The postoperative risks for patients with coronary artery disease (CAD) undergoing noncardiac surgery are well described. However, the risks of noncardiac surgery in patients with heart failure (HF) and atrial fibrillation (AF) are less well known. The purpose of this study is to compare the postoperative mortality of patients with HF, AF, or CAD undergoing major and minor noncardiac surgery. METHODS AND RESULTS: Population-based data were used to create 4 cohorts of consecutive patients with either nonischemic HF (NIHF; n=7700), ischemic HF (IHF; n=12 249), CAD (n=13 786), or AF (n=4312) who underwent noncardiac surgery between April 1, 1999, and September 31, 2006, in Alberta, Canada. The main outcome was 30-day postoperative mortality. The unadjusted 30-day postoperative mortality was 9.3% in NIHF, 9.2% in IHF, 2.9% in CAD, and 6.4% in AF (each versus CAD, P<0.0001). Among patients undergoing minor surgical procedures, the 30-day postoperative mortality was 8.5% in NIHF, 8.1% in IHF, 2.3% in CAD, and 5.7% in AF (P<0.0001). After multivariable adjustment, postoperative mortality remained higher in NIHF, IHF, and AF patients than in those with CAD (NIHF versus CAD: odds ratio 2.92; 95% confidence interval 2.44 to 3.48; IHF versus CAD: odds ratio 1.98; 95% confidence interval 1.70 to 2.31; AF versus CAD: odds ratio 1.69; 95% confidence interval 1.34 to 2.14). CONCLUSIONS: Although current perioperative risk prediction models place greater emphasis on CAD than HF or AF, patients with HF or AF have a significantly higher risk of postoperative mortality than patients with CAD, and even minor procedures carry a risk higher than previously appreciated.
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 | 0,000 |
| 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 ».