Sirolimus versus paclitaxel coronary stents in clinical practice
Notice bibliographique
Résumé
OBJECTIVES: We aimed at comparing the long term clinical outcome of SES and PES in routine clinical practice. BACKGROUND: Although sirolimus-eluting stents (SES) more effectively reduce neointimal hyperplasia than paclitaxel-eluting stents (PES), uncertainty prevails whether this difference translates into differences in clinical outcomes outside randomized controlled trials with selected patient populations and protocol-mandated angiographic follow-up. METHODS: Nine hundred and four consecutive patients who underwent implantation of a drug-eluting stent between May 2004 and February 2005: 467 patients with 646 lesions received SES, 437 patients with 600 lesions received PES. Clinical follow-up was obtained at 2 years without intervening routine angiographic follow-up. The primary endpoint was a composite of death, myocardial infarction (MI), or target vessel revascularization (TVR). RESULTS: At 2 years, the primary endpoint was less frequent with SES (12.9%) than PES (17.6%, HR = 0.70, 95% CI 0.50-0.98, P = 0.04). The difference in favor of SES was largely driven by a lower rate of target lesion revascularisation (TLR; 4.1% vs. 6.9%, P = 0.05), whereas rates of death (6.4% vs. 7.6%, P = 0.49), MI (1.9% vs. 3.2%, P = 0.21), or definite stent thrombosis (0.6% vs. 1.4%, P = 0.27) were similar for both stent types. The benefit regarding reduced rates of TLR was significant in nondiabetic (3.6% vs. 7.1%, P = 0.04) but not in diabetic patients (5.6% vs. 6.1%, P = 0.80). CONCLUSIONS: SES more effectively reduced the need for repeat revascularization procedures than PES when used in routine clinical practice. The beneficial effect is maintained up to 2 years and may be less pronounced in diabetic patients.
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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».