Prevalence and Long‐Term Survival After Coronary Artery Bypass Grafting in Women and Men With Heart Failure and Preserved Versus Reduced Ejection Fraction
Notice bibliographique
Résumé
BACKGROUND: Heart failure (HF) with reduced ejection fraction (rEF) is a widely regarded prognosticator after coronary artery bypass grafting. HF with preserved ejection fraction (pEF) accounts for up to half of all HF cases and is associated with considerable morbidity and mortality in hospitalized cohorts. However, HFpEF outcomes have not been elucidated in cardiac surgical patients. We investigated the prevalence and outcomes of HFpEF and HFrEF in women and men following coronary artery bypass grafting. METHODS AND RESULTS: We conducted a retrospective cohort study in Ontario, Canada, between October 1, 2008, and March 31, 2015, using Cardiac Care Network and Canadian Institute of Health Information data. HF is captured through a validated population-based database of all Ontarians with physician-diagnosed HF. We defined pEF as ejection fraction ≥50% and rEF as ejection fraction <50%. The primary outcome was all-cause mortality. Analyses were stratified by sex. Mortality rates were calculated using Kaplan-Meier method. The relative hazard of death was assessed using multivariable Cox proportional hazard models. Of 40 083 patients (20.6% women), 55.5% had pEF without HF, 25.7% had rEF without HF, 6.9% had HFpEF, and 12.0% had HFrEF. Age-standardized HFpEF mortality rates at 4±2 years of follow-up were similar in women and men. HFrEF standardized HFpEF mortality rates were higher in women than men. CONCLUSIONS: We found a higher prevalence and poorer prognosis of HFpEF in women. A history of HF was a more important prognosticator than ejection fraction. Preoperative screening and extended postoperative follow-up should be focused on women and men with HF rather than on rEF alone.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».