Long term health outcomes in patients with a history of myocardial infarction: A population based cohort study
Notice bibliographique
Résumé
BACKGROUND: Myocardial infarction (MI) is associated with high morbidity and mortality, particularly in the first 12 months post-event. Interventions such as dual antiplatelet therapy can reduce the risk of major adverse cardiovascular events (MACE), but the duration of the high-risk time interval and the optimal prescription time frame for these interventions remains unknown. DESIGN, SETTING, PARTICIPANTS, AND MEASUREMENTS: We performed a retrospective cohort study using data from medical services and hospitalizations in Manitoba, Canada for patients admitted with a MI between April 2006 and March 2010, and followed until Nov 30, 2014. We used survival analysis to determine the cumulative incidence of death, subsequent MI, or stroke, and used Cox proportional hazards models to assess factors associated with these endpoints. RESULTS: There were 8,493 patients in Manitoba admitted to hospital for a MI during the study period. Of those, 6,749 (79.5%) survived for at least 1 year without a recurrent MI or stroke. In the following year, this population remained at high risk, with 372 (5.5%) of the remaining patients dying in the next twelve months (48.1% cardiovascular deaths), 244 (3.6%) having a recurrent MI, and 74 (1.1%) having a stroke. Older age, male sex, diabetes, prior stroke, prior heart failure, prior unstable angina, and absence of revascularization were associated with worse long-term prognosis. CONCLUSIONS: The risk of MACE remains elevated among post-MI patients after the first year. Interventions to more intensively monitor, evaluate, and treat these patients should be considered beyond the first year following myocardial infarction.
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) | 0,000 | 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 ».