Bayesian Inference Supports the Use of Bypass Surgery Over Percutaneous Coronary Intervention To Reduce Mortality in Diabetic Patients with Multivessel Coronary Disease
Notice bibliographique
Résumé
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 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 | 0,002 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».