A “no‐option” left main PCI registry: Outcomes and predictors of in hospital mortality—utility of the logistic EuroSCORE
Notice bibliographique
Résumé
BACKGROUND: Although high-risk left main PCI populations have been previously described, there is little data describing outcomes and the role of the logistic EuroSCORE in surgical turndown cohorts or patients in extremis due to acute infarction or cardiogenic shock from left main ischemia. METHODS: Consecutive patients with unprotected LM PCI who were surgical turndowns or in extremis were included in this retrospective cohort from 2004 to 2009 at two tertiary centers. Predictors of in-hospital mortality were identified utilizing routine and stepwise logistic regression. RESULTS: There were a total of 56 patients with mean age of 69 (±13). There were 23 (41%) patients with cardiogenic shock. The mean logistic EuroSCORE was 23.5% ± 21%. In-hospital death occurred in 12 (21%) patients, largely restricted to the shock subgroup (11/12). Univariate predictors of mortality included peak CK levels (P = 0.01), transfusion (P = 0.01), cardiogenic shock (P < 0.002), male gender (P = 0.027), and logistic EuroSCORE (P = 0.01). Stepwise logistic regression yielded logistic EuroSCORE (P = 0.04, OR: 1.25 (95% CI: 1.01-1.56) for every 5% increase) and peak CK level (P = 0.001, OR: 1.23 (95% CI: 1.09-1.40) for every 500 unit increase) as independent predictors of in-hospital mortality. The AUC ROC for logistic EuroSCORE was 0.73; and for logistic EuroSCORE plus peak CK level was 0.89. CONCLUSION: PCI appears to be a reasonable option in the high risk "no option" LM population, with the logistic EuroSCORE and peak CK levels being independent predictors of in-hospital mortality. Specifically, the logistic EuroSCORE and peak CK level combined discriminate in-hospital mortality with a high degree of certainty.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».