Impact of frailty on outcomes after percutaneous coronary intervention: a prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Average life expectancy is rising, resulting in increasing numbers of elderly, frail individuals presenting with coronary artery disease and requiring percutaneous coronary intervention (PCI). PCI can be of value for this population, but little is known about the balance of benefit versus risk, particularly in the frail. OBJECTIVE: To determine the relationship between frailty and clinical outcomes in patients undergoing PCI. METHODS: Patients undergoing PCI, for either stable angina or acute coronary syndrome, were prospectively assessed for frailty using the Canadian Study of Health and Ageing Clinical Frailty Scale. Demographics, clinical and angiographic data were extracted from the hospital database. Mortality was obtained from the Office of National Statistics. RESULTS: Frailty was assessed in 745 patients undergoing PCI. The mean age of patients was 62±12 years and 70% were males. The median frailty score was 3 (IQR 2-4). A frailty score ≥5, indicating significant frailty, was present in 81 (11%) patients. Frail patients required longer hospitalisation after PCI. Frailty was also associated with increased 30-day (HR 4.8, 95% CI 1.4 to 16.3, p=0.013) and 1 year mortality (HR 5.9, 95% CI 2.5 to 13.8, p<0.001). Frailty was a predictor of length of hospital stay and mortality, independent of age, gender and comorbidities. CONCLUSIONS: A simple assessment of frailty can help predict mortality and the length of hospital stay, and may therefore guide healthcare providers to plan PCI and appropriate resources for frail patients.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».