Clinical Predictors of Fidelis Lead Failure
Notice bibliographique
Résumé
BACKGROUND: Approximately 268,000 Fidelis leads were implanted worldwide until distribution was suspended because of a high rate of early failure. Careful analyses of predictors of increased lead failure hazard are required to help direct future lead design and also to inform decision making on lead replacement. We sought to perform a comprehensive analysis of all potential predictors in a multicenter study. METHODS AND RESULTS: A total of 3169 Sprint Fidelis leads were implanted in 11 centers with a total of 251 failures. Lead failure rates at 3, 4, and 5 years were 5.3%, 10.6%, and 16.8%, respectively. The rate of lead failure continues to accelerate (P<0.001). There were 4 independent predictors of failure: center, sex, access vein, and previous lead failure. Women had a higher hazard of failure (hazard ratio 1.51; 95% confidence interval, 1.14-2.04; P=0.005). Both axillary and subclavian access increased the hazard of failure (P=0.007); hazard ratio for axillary was 1.94, (95% confidence interval, 1.23-3.04) and for subclavian 1.63 (95% confidence interval, 1.08-2.46). Previous lead failure increased the hazard of a subsequent Fidelis failure with a hazard ratio of 3.12 (95% confidence interval, 1.80-5.41; P<0.001). CONCLUSIONS: The rate of Fidelis failure continues to increase over time, with failures approaching 17% at 5 years. Women, patients with leads inserted via the subclavian or axillary vein, and those with a previous lead fracture were at greatest risk of Fidelis failure. Our data suggest that Fidelis replacement should be strongly considered at the time of generator replacement.
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 ».