Bioprosthetic valve fracture: Predictors of outcome and <scp>follow‐up</scp> . Results from a multicenter study
Notice bibliographique
Résumé
OBJECTIVES: To evaluate outcome and its predictors of bioprosthetic valve fracture (BVF) in patients undergoing valve-in-valve transcatheter aortic valve replacement (VIV-TAVR). BACKGROUND: BVF is feasible and reduces transvalvular gradients in VIV-TAVR-procedures, but follow-up-data and information on factors influencing the outcome are missing. METHODS: The 81 cases of BVF-VIV-TAVR were collected from 14 international centers. RESULTS: Predominantly transcatheter heart valve (THV) was implanted first, followed by BVF. VARC-2 defined device success was 93%, most failures were attributed to residual high gradients. Mean gradients decreased from 37 ± 13 mmHg to 10.8 ± 5.9 mmHg (p < 0.001). BVF reduced the gradient by 16 mmHg. During follow-up (FU, 281 ± 164 days) mean gradient remained stable (10.8 ± 5.9 mmHg at discharge, 12.4 ± 6.3 mmHg at FU, p = ns). In-hospital major adverse events occurred in 3.7%. Event-free survival at 276 ± 237.6 days was 95.4%. The linear mixed model identified balloon-expandable valves (BEV), Mitroflow surgical valve, stenotic surgical bioprostheses and balloon only 1 mm larger than the true internal diameter of the surgical valve as predictors for higher gradients. CONCLUSIONS: BVF is safe and can significantly reduce gradients, which remain stable at FU. BEV, Mitroflow surgical valve, stenotic bioprostheses and balloon larger than the true internal diameter of the surgical valve of only 1 mm are predictors for higher final gradients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».