Is There an Age When Myocardial Perfusion Imaging May No Longer Be Prognostically Useful?
Notice bibliographique
Résumé
BACKGROUND: Heart disease continues to be the leading cause of death, and the prevalence of coronary artery disease is expected to increase as the population ages. It is important to understand the clinical utility of medical tests, or its lack thereof, in the aging population. The objective of this study was to understand the incremental prognostic value of positron emission tomographic (PET) myocardial perfusion imaging in the elderly (≥85 years of age). METHODS AND RESULTS: A total of 3343 patients enrolled in a multicenter observational PET registry were analyzed. Participants were initially divided into 3 age categories: 65 to 74.9, 75 to 84.9, and ≥85 years of age and followed for all-cause death. Median follow-up time was 3 years. Of the total patient population, 248 patients (49% men) were ≥85 years old. When compared with younger patients, individuals ≥85 years had a higher prevalence of hypertension (79%) and a lower incidence of dyslipidemia (54%) and diabetes mellitus (24%). On multivariable analysis, %left ventricular stress defect and %left ventricular ischemia were predictors of patient outcome for those <85 years of age but was not statistically significant in those ≥85 years of age. The prognostic value of PET (%left ventricular stress defect and %left ventricular ischemia) appeared to decrease with advancing age. CONCLUSIONS: The elderly is a high-risk population irrespective of PET myocardial perfusion imaging results, and incremental prognostic value of PET myocardial perfusion imaging appears to wane in those ≥85 years of age. Although PET myocardial perfusion imaging may be diagnostically useful in the elderly, its prognostic value in this population requires further evaluation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 | 0,001 |
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 ».