Characteristics and outcome following transcatheter aortic valve replacement in patients with severe aortic stenosis with low flow
Notice bibliographique
Résumé
AIMS: Only a few studies have examined the respective impact of low flow (LF), low gradient (LG) and low ejection fraction (LEF) on outcomes following transcatheter aortic valve replacement (TAVR). The purpose of this study was to assess the impact of preprocedural stroke volume index, aortic valve gradient, left ventricular ejection fraction (LVEF) and different flow/gradient/LVEF patterns on the clinical outcomes of patients with severe aortic stenosis (AS) who undergo TAVR. METHODS AND RESULTS: We analysed the clinical, echocardiographic, and outcome data collected in 770 patients with AS who underwent TAVR. Overall, 357 patients had normal flow (NF) AS and 413 had LF AS. Patients with NF had similar one-year mortality (12.0% vs. 15.0%, p=0.23) compared with those in the LF group. Overall, patients with NF and/or HG had lower one-year mortality rates (11.7 to 13%) compared to those with paradoxical LF-LG with NEF (19%) and those with classical LF-LG with LEF (27.3%). Low mean gradient was an independent predictor of all-cause mortality (hazard ratio: 1.14, per 10 mmHg decrease, p=0.02). Despite significant association in univariable analyses, LF and LEF were not found to be predictors of outcomes in multivariable analyses. CONCLUSIONS: Patients with HG and those with NF-LG have low one-year mortality rates following TAVR, whereas those with classical LF-LG and LEF and those with paradoxical LF-LG and NEF have high and intermediate risk of mortality, respectively. In contradiction to previous reports, LG but not LF or LEF is an independent predictor of late mortality in high-risk patients with severe AS undergoing TAVR.
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) | 0,000 | 0,001 |
| 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 ».