Troponin T monitoring to detect myocardial injury after noncardiac surgery: a cost–consequence analysis
Notice bibliographique
Résumé
BACKGROUND: Myocardial injury after noncardiac surgery (MINS) is a mostly asymptomatic condition that is strongly associated with 30-day mortality; however, it remains mostly undetected without systematic troponin T monitoring. We evaluated the cost and consequences of postoperative troponin T monitoring to detect MINS. METHODS: We conducted a model-based cost-consequence analysis to compare the impact of routine troponin T monitoring versus standard care (troponin T measurement triggered by ischemic symptoms) on the incidence of MINS detection. Model inputs were based on Canadian patients enrolled in the Vascular Events in Noncardiac Surgery Patients Cohort Evaluation (VISION) study, which enrolled patients aged 45 years or older undergoing inpatient noncardiac surgery. We conducted probability analyses with 10 000 iterations and extensive sensitivity analyses. RESULTS: The data were based on 6021 patients (48% men, mean age 65 [standard deviation 12] yr). The 30-day mortality rate for MINS was 9.6%. We determined the incremental cost to avoid missing a MINS event as $1632 (2015 Canadian dollars). The cost-effectiveness of troponin monitoring was higher in patient subgroups at higher risk for MINS, e.g., those aged 65 years or more, or with a history of atherosclerosis or diabetes ($1309). CONCLUSION: The costs associated with a troponin T monitoring program to detect MINS were moderate. Based on the estimated incremental cost per health gain, implementation of postoperative troponin T monitoring seems appealing, particularly in patients at high risk for MINS.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».