Decision-making in elderly patients with severe aortic stenosis: why are so many denied surgery?
Notice bibliographique
Résumé
AIMS: To analyse decision-making in elderly patients with severe, symptomatic aortic stenosis (AS). METHODS AND RESULTS: In the Euro Heart Survey on valvular heart disease, 216 patients aged > or =75 had severe AS (valve area < or =0.6 cm(2)/m(2) body surface area or mean gradient > or =50 mmHg) and angina or New York Heart Association class III or IV. Patient characteristics were analysed according to the decision to operate or not. A decision not to operate was taken in 72 patients (33%). In multivariable analysis, left ventricular (LV) ejection fraction [OR = 2.27, 95% CI (1.32-3.97) for ejection fraction 30-50, OR = 5.15, 95% CI (1.73-15.35) for ejection fraction < or =30 vs. >50%, P = 0.003] and age [OR = 1.84, 95% CI (1.18-2.89) for 80-85 years, OR=3.38, 95% CI (1.38-8.27) for > or =85 vs. 75-80 years, P = 0.008] were significantly associated with the decision not to operate; however, the Charlson comorbidity index was not [OR = 1.72, 95% CI (0.83-3.50), P = 0.14 for index > or =2 vs. <2]. Neurological dysfunction was the only comorbidity significantly linked with the decision not to operate. CONCLUSION: Surgery was denied in 33% of elderly patients with severe, symptomatic AS. Older age and LV dysfunction were the most striking characteristics of patients who were denied surgery, whereas comorbidity played a less important role.
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 | 0,003 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».