Laser Lead Extraction: Is There a Learning Curve?
Notice bibliographique
Résumé
Laser extraction of device leads offers an attractive alternative to countertraction and electrosurgical dissection sheath, potentially increasing efficacy and reducing complications. Wider adoption of this technology depends on relative ease of use. We report the experience of a new center to define the "learning curve." We performed 76 laser lead extractions in 75 patients (age 63 +/- 17 years, 59 male) from July 2001 to January 2004. Two experienced device implanters who were novice extractors underwent a 2-day site visit to a high volume extraction center for training. Lead extractions were performed in the operating room with immediate surgical backup. The indication for extraction was infection in 39 (systemic in 15), erosion or pain in 11, and lead related or debulking in 25. Complete removal was achieved in 139 of 145 leads (14 ICD, 131 pacemaker). Partial removal (<4 cm retained) was achieved in five leads (4%), and one lead could not be extracted. Complete success was 95% in the first third of patients, 94% in the second third, and 100% in the latter third. Fluoroscopy time fell from 19 +/- 22 minute in the first third of patients to 11 +/- 8 minute in the second third to 8 +/- 4 minute in the latter third (ANOVA P = 0.02). No major complications occurred. Local bleeding required minor left subclavian vein repair in two individuals. Symptomatic venous thrombosis occurred in 3 of the first 11 cases 1-21 days after extraction, but did not occur in the next 64 consecutive patients who received a 1-month anticoagulation regimen (27% vs 0%, P < 0.001). One patient developed venous thrombosis 3 weeks following cessation of warfarin therapy. Practice guidelines reasonably recommend appropriate training prior to independent performance of lead extraction. The current study suggests that experienced device implanters with appropriate operative backup taking a limited, but intensive training program can be safe and effective at lead extraction in a short time, in part a reflection of the improved technology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».