Alterações da Rigidez Arterial em Pacientes com Estenose Aórtica Grave Submetidos à Cirurgia de Troca Valvar
Notice bibliographique
Résumé
BACKGROUND: Little is known about the impact of severe aortic stenosis (AS) in aortic stiffness and if there is any change after removing AS barrier with aortic valve replacement (AVR) surgery. OBJECTIVE: To estimate carotid-femoral pulse wave velocity (PWV) changes after AVR surgery and to define PWV predictors in severe AS patients. METHODS: Single-center retrospective cohort, including patients with severe AS who underwent AVR surgery with bioprostheses, between February 2017 and January 2019 and performed PWV measurements (Complior®) before and after the procedure (2±1 months). Before and after AVR, PWV values were compared through paired tests. The associations of PWV with clinical data were studied and linear regression models were applied to estimate pre and postoperative PWV independent predictors. The significance level was set at 5%. RESULTS: We included 150 patients in the sample, with mean age of 72±8 years, and 51% being males. We found a statistically significant increase in PWV values after surgery (9.0±2.1 m/s vs. 9.9±2.2, p<0.001, before and after AVR, respectively) and an inverse association with AS severity variables. In the linear regression model, age and systolic blood pressure (SBP) were established as independent predictors of higher pre- and postoperative PWV, while higher mean valvular gradient emerged as a determinant of lower pre-AVR PWV. CONCLUSION: We documented an inverse correlation of arterial stiffness with the severity of AS in patients with AS, and a significant increase in PWV values after AVR surgery. Advanced age and higher SBP were associated with higher PWV values, although arterial function measurements were within the normal range. (Arq Bras Cardiol. 2021; 116(3):475-482).
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».