Long-Term Risk Factors for Dilatation of the Proximal Aorta in a Large Cohort of Children With Bicuspid Aortic Valve
Notice bibliographique
Résumé
Background: Patients with bicuspid aortic valve (BAV) have a higher risk of developing aortic valve dysfunction and progressive proximal aorta dilatation, which can lead to aortic dissection. To this day, identification of children at risk of developing severe aortic dilatation during their pediatric follow-up is still challenging because most studies were restricted to adult subjects. The overarching goal of this study was to identify risk factors of aortic dilatation in children with BAV. Methods: We extracted clinical and echocardiographic data of all BAV subjects aged 0 to 20 years followed at Centre Hospitalier Universitaire Sainte-Justine between 1999 and 2016. We excluded subjects with concomitant heart defects and conditions affecting proximal aorta dimensions. Proximal aorta diameters (expressed as Z scores) were modeled in relation to age and potential predictive variables in a linear mixed model. The primary outcome was the rate of dilatation. Results: We included 761 subjects (3134 echocardiograms) in final analyses. The mean ascending aorta Z score progression rate for BAV patient with a normally functioning aortic valve was estimated at 0.05 Z score unit per year. The strongest predictors of an increased dilatation rate were severe aortic stenosis, moderate and severe aortic regurgitation, and uncorrected coarctation of the aorta. Aortic valve leaflet fusion pattern and sex were not associated with progression rate. Conclusions: Children with a normally functioning BAV exhibited a very slow proximal aorta dilatation rate. Ascending aorta dilatation rate was significantly increased in patients with more than mild aortic valve dysfunction but was independent from BAV leaflet fusion type.
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 | 0,001 |
| 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 ».