Factors explaining the under-use of reperfusion therapy among ideal patients with ST-segment elevation myocardial infarction
Notice bibliographique
Résumé
AIMS: To determine the relative impact of time to hospital arrival, baseline cardiovascular risk (i.e.TIMI mortality risk index), intracerebral haemorrhage risk, and comorbid disease burden on the likelihood of not receiving reperfusion therapy among ST-segment elevation myocardial infarction (STEMI) patients without contraindications to treatment. METHODS AND RESULTS: Retrospective population-based cohort of 3994 patients admitted to 103 acute care hospitals with chest pain and STEMI within 12 h of symptom onset in Ontario, Canada, between 1999 and 2001. Patients with one or more documented absolute or relative contraindication (n = 909) were excluded from the analyses. Reperfusion therapy was defined as the receipt of either fibrinolysis or primary percutaneous coronary intervention. Multivariable analysis and likelihood chi2 was used to quantify the importance of each factor in predicting the non-utilization of therapy. In total, 23.1% of patients received no reperfusion therapy. Listed in order from greatest to least importance, predictors of non-utilization of reperfusion therapy included increasing time to hospital presentation (likelihood chi2 31.6, P < 0.001), higher intracerebral haemorrhage risk (likelihood chi2 27.1, P < 0.001), higher baseline cardiovascular risk (likelihood chi2 25.4, P < 0.001), and greater number of chronic comorbid conditions (likelihood chi2 15.4, P < 0.001). The importance of each factor on non-utilization was independent, additive, not explained by age effects alone, or driven by subgroups traditionally under-represented in clinical trials. CONCLUSION: Care gaps in the use of reperfusion therapy widen with both increasing baseline cardiovascular risk and increasing intracerebral haemorrhage risk. Future studies should examine whether the implementation of clinical decision tools which allow for more accurate risk-benefit tradeoff predictions improve the treatment gaps when using life-saving therapies in this patient population.
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 | 0,001 | 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 | 0,001 |
| 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 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 ».