MétaCan
Menu
Retour à la cohorte
Enregistrement W2084710711 · doi:10.6000/1929-6029.2015.04.01.3

Bayesian Inference Supports the Use of Bypass Surgery Over Percutaneous Coronary Intervention To Reduce Mortality in Diabetic Patients with Multivessel Coronary Disease

2015· article· en· W2084710711 sur OpenAlexvenueno aff
Christopher D. Lang, Yulei He, John A. Bittl

Notice bibliographique

RevueInternational Journal of Statistics in Medical Research · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConventional PCIMedicinePercutaneous coronary interventionCardiologyInternal medicineCoronary artery diseaseRevascularizationOdds ratioConfidence intervalCoronary artery bypass surgeryRandomized controlled trialHazard ratioDiabetes mellitusMyocardial infarctionSurgeryArtery

Résumé

récupéré en direct d'OpenAlex

Background: Coronary artery bypass graft (CABG) surgery may confer a survival advantage over percutaneous coronary intervention (PCI) in diabetic patients with multivessel coronary artery disease (CAD), but results of individual studies have been mixed. The primary aim of the current study was to compare mortality rates in diabetic patients with multivessel CAD randomized to either or CABG or PCI at 5 years or longest follow-up. Methods: Using a Bayesian approach, we updated a prior probability distribution elicited from 8 clinical trials (N=2024) with the likelihood obtained from the Future Revascularization Evaluation in Patients with Diabetes Mellitus: Optimal Management of Multivessel Disease (FREEDOM) (N=1460) to determine whether clinical trial evidence supports the underlying hypothesis that CABG is superior to PCI for diabetics with multivessel CAD. Results: A conjugate normal model comparing mortality rates favored the use of CABG (posterior mean odds ratio [OR] = 0.58, 95% Bayesian credible interval [BCI] = 0.48–0.71). Models weighted by the use of drug-eluting stents also favored the use of CABG over PCI (OR = 0.61, 95% BCI 0.48–0.78), as did models weighted by study age (OR=0.64, 95% BCI 0.52–0.80) or use of arterial conduits (OR=0.64, 95% BCI 0.51–0.81). The results were supported by a Bayesian hierarchical meta-analysis using a non-informative prior distribution (OR=0.55, 95% BCI 0.37–0.76). Conclusions: By integrating evidence from various studies, Bayesian methods directly support the underlying hypothesis that revascularization with CABG improves survival compared with PCI in diabetic patients with multivessel CAD.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,100
score de la tête « metaresearch » (Gemma)0,332
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,530

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1000,332
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,445
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics in Medical ResearchMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207