MétaCan
Menu
Retour à la cohorte
Enregistrement W2765341815 · doi:10.14740/cr582e

In-Hospital Clinical Outcomes and Procedural Complications of Percutaneous Coronary Intervention in Elderly Patients

2017· article· en· W2765341815 sur OpenAlexvenueno aff
Seyed Fakhreddin Hejazi, Leili Iranirad, Kobra Doostali, Narges Khodadadi, Sameeye Norouzi

Notice bibliographique

RevueCardiology Research · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesQom University of Medical Science
Mots-clésMedicinePercutaneous coronary interventionCardiologyInternal medicineIntervention (counseling)PercutaneousMyocardial infarctionNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As population growth leads to an increase in the number of the elderly with coronary artery disease, an evaluation of the clinical outcomes of percutaneous coronary intervention (PCI) in the elderly patients seems to be essential. METHODS: A prospective, observational cohort study was performed on 468 patients in two groups of elderly and non-elderly patients (mean age: 60.01 ± 10.84 years; ≥ 70 years, 20.1%; men, 62%) who underwent PCI, to evaluate the procedural success and in-hospital major and minor adverse cardiovascular events in the elderly patients. RESULTS: The procedural success rate was significantly lower (95.7% vs. 99.5%, P = 0.017) and the rates of in-hospital complications were significantly higher (10.6% vs. 0.8%, P < 0.0001) in elderly (+70) than in non-elderly patients. On the basis of a multivariate analysis, being elderly was not an independent predictor of procedural failure, but increased the chance of in-hospital complications to 8% higher (odds ratio: 0.08; 95% confidence interval: 0.01 - 0.39; P = 0.002). CONCLUSION: Regardless of the difference in the procedural success and in-hospital complication rates between our two study groups, aging is not an important predictor of them. Furthermore, PCI should not be refused in elderly patients if indicated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,311

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,463
Écart entre enseignants0,374 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiology ResearchMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207