Prediction of temporary epicardial pacing wire use in cardiac surgery
Notice bibliographique
Résumé
BACKGROUND: Placement of temporary epicardial pacing wires (TEPW) at the end of open heart surgery cases is routine but can be associated with complications. Identification of patients who are high risk for requiring pacing would be beneficial on guiding selective TEPW placement. The purpose of this study was to identify predictors of temporary pacing immediately post cardiac surgery. METHODS: A retrospective analysis of patients undergoing cardiac surgery from 2005 to 2016 at the Maritime Heart Center was conducted. Analysis was performed of patients who require pacing on arrival to the cardiovascular intensive care unit (CVICU) compared with those who were not paced. Multivariable logistic regression was used to determine each variable's risk adjusted likelihood of pacing for the entire cohort. Subgroup analysis was performed in the isolated procedures. RESULTS: A total of 11 752 patient underwent surgery from the year 2005 to 2016. Two thousand and fifty-one (17.5%) required pacing on arrival to CVICU. Older age, female sex, preoperative renal failure, lower ejection fraction (EF), preoperative arrhythmia, preoperative use of calcium channel blockers, and longer cross-clamp times were risk factors for pacing. In the isolated coronary artery bypass grafting and aortic valve replacement groups, findings were similar to the overall cohort. Only age, obesity, and chronic obstructive pulmonary disease were risk factors for pacing in the isolated mitral valve (MV) repair group and only preoperative arrhythmia in the isolated MV replacement group. CONCLUSION: We have identified risk factors for TEPW use following cardiac surgery and in isolated procedure subgroups. These risk factors may help guide selective TEPW placement.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».