Invasive versus conservative management in spontaneous coronary artery dissection: a meta-analysis and meta-regression study
Notice bibliographique
Résumé
Abstract Background There is a paucity of data regarding the best treatment for spontaneous coronary artery dissection (SCAD). Purpose To compare the prognostic impact of conservative versus invasive treatment in patients with SCAD. Methods We systematically searched the literature for studies evaluating the comparative efficacy and safety of invasive revascularization versus medical therapy for the treatment of SCAD from 1990 to 2019. Random-effect meta-analysis was performed comparing clinical outcomes between the two groups. Results 24 observational studies with 1720 patients were included. After 28±14 months, a conservative approach reduced target vessel revascularization rate compared with invasive treatment (OR=0.50; 95% CI 0.28–0.90; P=0.02). No difference was found regarding all-cause mortality (OR=0.81; 95% CI 0.31–2.08; P=0.66), cardiovascular mortality (OR=0.89; 95% CI 0.15–5.40; P=0.89), myocardial infarction (OR=0.95; 95% CI 0.50–1.81; P=0.87), heart failure (OR 0.96; 95% CI 0.41–2.22; P=0.92) and SCAD recurrence (OR=0.94; 95% CI 0.52–1.72; P=0.85). The meta-regression analysis suggested that male gender, diabetes mellitus, smoking habit, prior coronary artery disease, left main coronary artery involvement and lower ejection fraction at admission are related with higher overall mortality, whereas SCAD recurrence was higher among patients with fibromuscular dysplasia. Conclusion A conservative approach provides similar clinical outcomes and lower target vessel revascularization rates compared to an invasive strategy in the setting of SCAD; therefore, when feasible, it should be preferred in this scenario. Forest plots on the study outcomes Funding Acknowledgement Type of funding source: None
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».