Impact of implant depth on hydrodynamic function of the ALLEGRA bioprosthesis in valve-in-valve interventions
Notice bibliographique
Résumé
AIMS: We aimed to assess the impact of implant depth on hydrodynamic function following valve-in-valve (VIV) intervention using the ALLEGRA transcatheter heart valve (THV) in three different surgical valve designs. METHODS AND RESULTS: Multiple implantation depths (+2 mm, -2 mm and -6 mm) were tested using a 23 mm ALLEGRA THV for VIV intervention in 19 mm, 21 mm, 23 mm, and 25 mm Epic, Mitroflow and Magna Ease bioprosthetic valves. Multimodality imaging and hydrodynamic evaluation was performed at each implantation depth. The 23 mm ALLEGRA valve had gradients <20 mmHg in the Mitroflow and Epic valves sized ≥21 mm, and in all sizes of the Magna Ease valve. Gradients did not increase significantly at lower implantation depths. The 19 mm Epic (+2 mm: 20.1±0.6 mmHg, -2 mm: 18.8±0.5 mmHg, -6 mm: 22.8±0.3 mmHg) and 19 mm Mitroflow (+2 mm: 24.1±0.2 mmHg, -2 mm: 31.5±0.3 mmHg, -6 mm: 25.6±0.2 mmHg) valves had elevated mean gradients. In larger sized surgical valves (≥23 mm) the regurgitant fraction was higher at low implantation depths. Pinwheeling was significantly worse in the smaller sized (≤21 mm) surgical valves and also at low (<-2 mm) implantation depth. CONCLUSIONS: The 23 mm ALLEGRA valve had favourable (<20 mmHg) gradients in all surgical valves sized ≥21 mm, even when the THV was implanted low. In 19 mm sized Mitroflow and Epic valves, gradients were elevated (>20 mmHg). While there was no major difference in mean transvalvular gradients, leaflet pinwheeling was worse at lower implantation depths.
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 | 0,005 |
| 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 ».