Smoking status and survival: impact on mortality of continuing to smoke one year after the angiographic diagnosis of coronary artery disease, a prospective cohort study
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
BACKGROUND: Smoking is an undertreated risk factor for coronary artery disease (CAD) and is associated with adverse outcomes after myocardial infarction. Aims of our study were to determine if management of CAD by medical therapy (MT) alone or with coronary artery bypass grafting (CABG) or percutaneous coronary intervention (PCI) influence smoking status at one year following angiography and if a change in smoking status at one year influences long term survival. METHODS: Prospective cohort study using the APPROACH registry. Two cohorts were examined: (1) 11,334 patients who returned a one year follow-up questionnaire; (2) 4,246 patients propensity-matched based on their post-angiography treatment - MT or revascularization (RV). Multivariate modeling and survival analysis were used. RESULTS: In the propensity-matched cohort, quit rates at one year were greater among CABG patients (68%) than PCI (37%) or MT patients (47%). Smokers in the RV group, who self-reported quitting at one year, had a significantly reduced mortality compared to those who continued to smoke. CONCLUSIONS: CABG patients were more likely to quit smoking than those treated with MT alone or PCI. Quitting smoking was associated with improved long-term survival; smoking remains a key risk factor for mortality in patients with CAD. These data underscore the importance of nicotine addiction management in patients with CAD and the need to emphasize cessation particularly in those patients undergoing MT or PCI.
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) | 0,001 | 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 | 0,000 | 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