Impact of diabetes on bleeding events in ST-elevation myocardial infarction patients after urgent percutaneous coronary intervention
Notice bibliographique
Résumé
Patients with diabetes mellitus (DM) have more ischemic events and a decreased survival rate after percutaneous coronary intervention (PCI) than non-DM patients. However, it is unknown whether short-term or long-term bleeding events are associated with DM. We aimed to determine the impact of DM on mortality and bleeding events in ST-elevation myocardial infarction (STEMI) patients after urgent PCI.This retrospective cohort study included 435 STEMI patients who had undergone urgent PCI between 2010 and 2013, comprising 97 DM patients and 338 non-DM patients. The primary outcomes were the 30-day bleeding and 30-day mortality rates. The median follow-up period was 2 years. Data regarding patient demographics, peri-PCI medication, and invasive procedures were compared between DM and non-DM patients. Multivariate logistic regression was applied to estimate the association between DM and bleeding events. Kaplan-Meier curves were calculated to elucidate the survival rate.Compared with non-DM patients, DM patients with STEMI had a higher incidence of left ventricular ejection fraction <40% (17.6% vs 4.2%, P < 0.05), Killip class >II (11.3% vs 3.8%, P < 0.05), and smoking (44.3% vs 63.0%, P < 0.05). Similar peri-PCI medication and invasive procedures were administered in the 2 groups. The incidence of 30-day bleeding events was significantly higher for DM patients than non-DM patients (6.2% vs 0.9%, P < 0.05). A multivariate analysis showed that DM was strongly associated with 30-day bleeding events after adjusting for confounders. DM patients had significant increased mortality rates at both the 30-day and 2-year end points.DM was an independent predictor for an increased risk of 30-day bleeding events and correlated with increased 30-day and 2-year mortality rates in STEMI patients with PCI. Our study has significant clinical implications for risk stratification before the application of urgent PCI.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».