Mortality prediction after transcatheter treatment of failed bioprosthetic aortic valves utilizing various international scoring systems: Insights from the Valve‐in‐Valve International Data (VIVID)
Notice bibliographique
Résumé
BACKGROUND: Transcatheter Aortic Valve Implantation (TAVI) is commonly used to deploy new bioprosthetic valves inside degenerated surgically implanted aortic valves in high risk patients. The three scoring systems used to assess risk of postprocedural mortality are: Logistic EuroSCORE (LES), EuroSCORE II (ES II), and Society of Thoracic Surgeons (STS). OBJECTIVE: The purpose of this study is to analyze the accuracy of LES, ES II, and STS in estimating all-cause mortality after transcatheter aortic valve-in-valve (ViV) implantations, which was not assessed before. METHODS: Using the Valve-in-Valve International Data (VIVID) registry, a total of 1,550 patients from 110 centers were included. The study compared the observed 30-day overall mortality vs. the respective predicted mortalities calculated by risk scores. The accuracy of prediction models was assessed based on calibration and discrimination. RESULTS: Observed mortality at 30 days was 5.3%, while average expected mortalities by LES, ES II and STS were 29.49 (± 17.2), 14.59 (± 8.6), and 9.61 (± 8.51), respectively. All three risk scores overestimated 30-day mortality with ratios of 0.176 (95% CI 0.138-0.214), 0.342 (95% CI 0.264-0.419), and 0.536 (95% CI 0.421-0.651), respectively. 30-day mortality ROC curves demonstrated that ES II had the largest AUC at 0.722, followed by STS at 0.704, and LES at 0.698. CONCLUSIONS: All three scores overestimated mortality at 30 days with ES II showing the highest predictability compared to LES and STS; and therefore, should be recommended for ViV procedures. There is a need for a dedicated scoring system for patients undergoing ViV interventions.
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 | 0,004 |
| 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 ».