Outcome of aortic valve replacement in aortic stenosis: the number of valve cusps matters
Notice bibliographique
Résumé
Although the prevalence of bicuspid aortic valve (BAV) is only 0.5–1% in children, it accounts for about half of aortic valve replacements (AVRs) for aortic valve stenosis (AS). These findings illustrate that valve remodelling occurs more frequently and more rapidly on bicuspid than on tricuspid aortic valves (TAVs). During their lifetime, most subjects with a BAV develop aortic valve dysfunction, mostly AS, whereas only 1% remains with a normal valve function.1 In both subjects with a BAV and those with a TAV, age is a powerful risk factor for AS, and the prevalence of this disease in the population is 3% and 10%, in the subjects >65 and 80 years of age, respectively.2 Individuals with a BAV, however, develop AS one or two decades earlier than those with a TAV and their lifetime risk of AVR is around 50% (Table 1). In this issue of the journal, Huntley et al.3 present an elegant study in which they compared age-matched cohorts of 198 BAV stenosis and 198 TAV stenosis patients. The authors found that, at a given age, patients with TAV stenosis have higher prevalence of cardiovascular risk factors, greater degree of cardiac impairment and worse survival after AVR compared to those with BAV stenosis.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,018 |
| 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 | 0,002 |
| 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 ».