Preoperative Vascular Imaging for Predicting Intraoperative Modification of Peripheral Arterial Cannulation during Minimally Invasive Mitral Valve Surgery
Notice bibliographique
Résumé
OBJECTIVE: Minimally invasive mitral valve surgery using peripheral cannulation for cardiopulmonary bypass (CBP) is increasingly prevalent. Although conceptually straightforward, peripheral CBP involves challenges and risks specific to this method of perfusion. The utility of preoperative vascular imaging in predicting these technical challenges and preventing vascular complications was studied. METHODS: We performed a retrospective analysis of 73 consecutive patients undergoing minimally invasive mitral valve surgery using femorofemoral CBP with intraluminal aortic occlusion balloon catheter. All patients underwent preoperative computed tomography angiogram or magnetic resonance angiography to study the iliofemoral axes. RESULTS: None of the patients operated with this technique was found to have arterial stenoses. Patients with a femoral artery diameter of less than 7.3 mm needed bilateral or side-graft arterial cannulation significantly more frequently than patients with larger femoral arteries (46.2% vs 9.1%, P = 0.001). There was a trend toward more frequent modification of arterial cannulation strategy in patients with body surface area less than 1.7 m compared with larger patients (body surface area, 1.7-2.0) (26.3% vs 8.3%, P = 0.07). Patients needing high CBP flow rate (>5 L/min) were no more likely to need dual arterial cannulation (18.2% vs 19.1%, P = 0.68). No patient experienced a vascular complication. CONCLUSIONS: This preliminary study suggests that preoperative vascular imaging and patient evaluation may predict difficulties with femoral cannulation and perfusion, which can lead to better preoperative planning and potentially prevent vascular complications. Further data will be accumulated and analyzed to confirm these findings.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».