Cardiac assessment prior to non‐cardiac surgery
Notice bibliographique
Résumé
BACKGROUND: Increasingly, patients undergoing non-cardiac surgery are older and have more comorbidities yet preoperative cardiac assessment appears haphazard and unsystematic. We hypothesised that patients at high cardiac risk were not receiving adequate cardiac assessment, and patients with low-cardiac risk were being over-investigated. AIMS: To compare in a representative sample of patients undergoing non-cardiac surgery the use of cardiac investigations in patients at high and low preoperative cardiac risk. METHODS: We examined cardiac assessment patterns prior to elective non-cardiac surgery in a representative sample of patients. Cardiac risk was calculated using the Revised Cardiac Risk Index. RESULTS: Of 671 patients, 589 (88%) were low risk and 82 (12%) were high risk. We found that nearly 14% of low-risk and 45% of high-risk patients had investigations for coronary ischaemia prior to surgery. Vascular surgery had the highest rate of investigation (38%) and thoracic patients the lowest rate (14%). Whilst 78% of high-risk patients had coronary disease, only 46% were on beta-blockers, 49% on aspirin and 77% on statins. For current smokers (17.3% of cohort, n = 98), 60% were advised to quit pre-op. CONCLUSIONS: Practice patterns varied across surgical sub-types with low-risk patients tending to be over-investigated and high-risk patients under-investigated. A more systemised approach to this large group of patients could improve clinical outcomes, and more judicious use of investigations could lower healthcare costs and increase efficiency in managing this cohort.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 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 ».