Percutaneous Coronary Intervention Outcomes in Patients with Stable Coronary Disease and Left Ventricular Systolic Dysfunction
Notice bibliographique
Résumé
AIMS: We sought to better understand the role of percutaneous coronary intervention (PCI) in patients with stable coronary artery disease (CAD) and moderate or severe left ventricular systolic dysfunction. METHODS AND RESULTS: Using data from the Duke Databank for Cardiovascular Disease, we analysed patients who underwent coronary angiography at Duke University Medical Center (1995-2012) that had stable CAD amenable to PCI and left ventricular ejection fraction ≤35%. Patients with acute coronary syndrome or Canadian Cardiovascular Society class III or IV angina were excluded. We used propensity-matched Cox proportional hazards to evaluate the association of PCI with mortality and hospitalizations. Of 901 patients, 259 were treated with PCI and 642 with medical therapy. PCI propensity scores created from 24 variables were used to assemble a matched cohort of 444 patients (222 pairs) receiving PCI or medical therapy alone. Over a median follow-up of 7 years, 128 (58%) PCI and 125 (56%) medical therapy alone patients died [hazard ratio 0.87 (95% confidence interval 0.68, 1.10)]; there was also no difference in the rate of a composite endpoint of all-cause mortality or cardiovascular hospitalization [hazard ratio 1.18 (95% confidence interval 0.96, 1.44)] between the two groups. CONCLUSIONS: In this well-profiled, propensity-matched cohort of patients with stable CAD amenable to PCI and moderate or severe left ventricular systolic dysfunction, the addition of PCI to medical therapy did not improve long-term mortality, or the composite of mortality or cardiovascular hospitalization. The impact of PCI on other outcomes in these high-risk patients requires further study.
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 | 0,000 |
| 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) | 0,001 | 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 ».