P3‐200: Cognitive Outcomes Following Transcatheter Aortic Valve Implantation (TAVI)
Notice bibliographique
Résumé
TAVI is a minimally invasive method of treating severe aortic stenosis in an elderly, multi-morbid patient population with high surgical risk compared to surgical aortic valve replacement. In aging populations, cognitive deficits are predictive of functional decline, increased mortality, and poorer quality of life. We explored the effects of TAVI on cognition by assessing cognitive performance before and 6 months after TAVI. Patients with severe aortic stenosis referred to the Sunnybrook TAVI clinic were enrolled. Cognitive performance was assessed using the Montreal Cognitive Assessment (MoCA), California Verbal Memory Test-II (verbal memory), Brief Visuospatial Memory Test (visuospatial memory), Digit Symbol-Coding test and Trails Making Test A (speed of processing) and Trails Making Test B (executive function). Test scores were normalized according to patients’ age and years of education and a z score was calculated. Paired t-tests were used to compare scores before and 6 months after TAVI. Of 17 TAVI patients to date (age: 82±6, 52.9% female, years of education: 13.0 ± 4.3), 13 had a MoCA<26 and were impaired on at least one cognitive domain (z-score ≤ -1.5). Executive function (50%) was the most prevalent domain for cognitive deficits followed by visuospatial memory impairment (40%), impaired speed of processing (37.5%) and long term verbal memory impairment (35.3%). There were no significant changes in MoCA (t(7)=0.32, p>0.05) or domain specific cognitive performance 6 months post-surgery (all p>0.05, n=10). These results highlight the prevalence of cognitive impairment in patients referred for TAVI and suggest that deficits may remain unchanged post-surgery. While these preliminary results are reassuring, given the impact of even mild levels of cognitive impairment on quality of life, these findings support the need to screen for these risk factors in TAVI patients to inform future management and treatment strategies with the potential to improve patient care in this elderly population.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».