Medical treatment, PCI, or CABG for coronary artery disease?
Notice bibliographique
Résumé
The three approaches should complement one another, not compete Medical treatments of coronary artery disease have improved in the past decade because of the availability of statins, effective blood pressure lowering drugs (in particular angiotensin converting enzyme inhibitors), calcium blockers, and antiplatelet agents.1 In addition, improvements in percutaneous coronary interventions (PCI) have revolutionised the management of high risk people with acute myocardial infarction (primary PCI and rescue PCI) and non-ST elevation myocardial infarction and unstable angina. The use of stents, together with antiplatelet and antithrombotic treatments, has reduced procedural complications and made PCI safer.2 Drug eluting stents have reduced restenosis after PCI, although they increase late stent thrombosis, for which long term dual antiplatelet treatment is required.3 Improvements in coronary artery bypass (CABG) surgery have been slow because only a few randomised controlled trials have been performed. Surgeons still debate the benefits of off-pump CABG (beating heart surgery) versus on-pump surgery,4 and whether double internal mammary artery grafts are superior to single internal mammary grafting. Both questions are currently being evaluated in large randomised trials.5 Given that CABG surgery is increasingly performed in older people who are at high risk of cardiac, neurological, and renal complications, it is notable that CABG surgery results are improving worldwide. In October 2010, a joint task force of the European Society of …
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».