MétaCan
Menu
Retour à la cohorte
Enregistrement W2999963305 · doi:10.1097/hco.0000000000000711

Modes of bioprosthetic valve failure: a narrative review

2020· review· en· W2999963305 sur OpenAlexaff
Alex Koziarz, Ahmad Makhdoum, Jagdish Butany, Maral Ouzounian, Jennifer Chung

Notice bibliographique

RevueCurrent Opinion in Cardiology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Valve Diseases and Treatments
Établissements canadiensToronto General Hospital
Organismes subventionnairesnon disponible
Mots-clésPannusDegeneration (medical)MedicineCalcificationCardiologyInternal medicineImplantValve replacementEndocarditisSurgeryStenosisPathology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: A thorough understanding of the modes of bioprosthetic valve failure is critical as clinicians will be facing an increasing number of patients presenting with failed bioprostheses in coming years. The purpose of this article is to review modes of bioprosthestic valve degeneration, their management, and identify gaps for future research. RECENT FINDINGS: Guidelines recommend monitoring hemodynamic performance of prosthetic valves using serial echocardiograms to determine valve function and presence of valve degeneration. Modes of bioprosthetic valve failure may be categorized as structural degeneration (calcification, tears, fibrosis, flail), nonstructural degeneration (pannus), thrombosis, and endocarditis. Calcification is the most common form of structural valve degeneration. Predictors of bioprosthetic valve failure include valves implanted in the mitral position, younger age, and type of valve (porcine versus bovine pericardial). Failed bioprosthetic valves are managed with either redo surgical replacement or transcatheter valve-in-valve implantation. SUMMARY: Several modes of bioprosthetic valve failure exist, which vary based on patient, implant position, and valve characteristics. Further research is required to characterize factors associated with early failure to delay structural valve degeneration and improve patient prognosis.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,473
Écart entre enseignants0,374 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in CardiologyMême sujetCardiac Valve Diseases and TreatmentsTravaux en français237 207