Changing Risk of Perioperative Myocardial Infarction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Years ago, patients with recent myocardial infarction (MI) were reported to be at high risk of reinfarction (27%) and death after surgery. Therapy has changed in the 3 decades since those reports, so we reexamined that risk as well as other cardiac comorbidities and surgical work values in predicting adverse outcome. METHODS: We used the National Surgical Quality Improvement Program Participant Use Data File for 2005 to 2009. We included all patients of all included specialties, for outpatient and inpatient surgery. Cardiac comorbidities included history of congestive heart failure (30 days) or MI (6 months), percutaneous coronary intervention, previous cardiac surgery, and history of angina (30 days). Other predictors included a frailty index and American Society of Anesthesiologists (ASA) class. Adverse cardiac events included cardiac arrest requiring cardiopulmonary resuscitation, MI, and death. Cases were stratified according to surgical work units. Univariate χ(2) analysis and multivariate logistic regression established simple relationships and interactions, with p < 0.05 significant. RESULTS: Of patients who had recent MI, 2.1% had reinfarction perioperatively and 26% of those died. The odds ratio for infarction with vs without recent MI in inpatients age 40 years and older was 4.6. Frailty and ASA class were stronger predictors of perioperative MI and cardiac arrest than was history of MI, and risk increased as surgical work increased. DISCUSSION: The risk caused by preoperative MI has improved by an order of magnitude in the last 30 years. The ASA class and especially frailty are better predictors of adverse cardiac events.
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.
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 | 0,001 | 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 découle