Predictors of Mitral Regurgitation Severity Improvement in Patients With Severe Aortic Stenosis Undergoing Transcatheter Aortic Valve Implantation
Notice bibliographique
Résumé
BACKGROUND: Mitral regurgitation (MR) is frequently associated with severe aortic stenosis (AS). Significant MR is associated with less favorable prognosis after transcatheter aortic valve implantation (TAVI), including higher early and late mortality rate. The severity of MR is improved in about half of patients undergoing TAVI. However, the predictors of MR improvement after TAVI are unknown. We sought to investigate whether several demographic, clinical, echocardiographic and laboratory parameters and procedure characteristics are predictive of MR severity improvement after TAVI procedure. METHODS: A total of 309 consecutive patients with severe symptomatic AS underwent TAVI procedure in our center from July 1, 2015 till December 31, 2019. The 85 patients had concomitant significant (grade 2 or 3) MR. We performed logistic regression analysis of age, sex, atrial fibrillation, left ventricular ejection fraction, end diastolic diameter, end systolic diameter, left atrial diameter, left atrial area, MR etiology (functional vs. degenerative), CHA2DS2-VASc score, pre-procedure B-type natriuretic peptide (BNP) levels and type of TAVI bioprosthesis as possible predictors of post-TAVI improvement of severity of MR. RESULTS: The 35 patients have at least one grade reduction in the severity of MR in follow-up echo. None of the analyzed parameters were predicting of the MR severity improvement. CONCLUSIONS: In this small single-center cohort study, we were unable to find any feasible demographic, clinical, echocardiographic or laboratory predictors of MR improvement after TAVI. There was no correlation between etiology of MR or type of TAVI bioprosthesis used and MR improvement.
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 ».