Abstract 274: Follow-Up of Young Acute Aortic Dissection Patients: How They Differ from Older Patients
Notice bibliographique
Résumé
Background: Young patients (pts) with acute aortic dissection (AAD) have distinct risk factors and presenting symptoms compared to older pts, but whether these differences extend past discharge is relatively unknown. Methods: Among pts presenting with AAD enrolled in the International Registry of Acute Aortic Dissection, pts <40 (N=280) were compared with pts ≥ 40 (N=3585). Chi-square analysis or Fischer’s Exact test were performed for categorical variables; age was compared using Student’s T-test. Kaplan-Meier curves were generated for freedom from adverse events rates 0-60 months following discharge. Mean follow-up was 28.6 months. Results: Significant differences in demographics and history were noted between pts <40 and the older cohort. Young pts more commonly had type A AAD (71.8%, 201/280, v. 64.6%, 2317/ 3585, p<0.016), while type B AAD was more typical in older pts (p<0.016). On imaging studies, pts <40 were less likely to present with IMH (7.3%, 246/3355, v. 2.3%, 6/266, p=0.002), but were more likely to have a patent false lumen (77.9%, 141/181, v. 62.1%, 1425/2295, p<0.001). Surgical management was more common in young pts, for both AAD types. In-hospital complications or mortality did not differ between groups. Kaplan-Meier analysis demonstrated better long-term survival in young pts compared to those ≥ 40 (p=0.029). Kaplan-Meier analyses of freedom from adverse events at 5 years illustrated no difference in aortic growth between groups, but significantly more late interventions in younger pts (p=0.006). Conclusions: Young pts show distinct differences in comparison to older pts, specifically regarding presentation, AAD type and management. Long-term survival and follow-up intervention rates are higher in young pts.
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 | 0,001 |
| 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 ».