Left Ventricular Function Recovery After Coronary Revascularization and Medical Therapy: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: The prevalence of coronary artery disease (CAD) with reduced left ventricular ejection fraction (LVEF) is rising, but the optimal treatment remains unclear. The present study aims to investigate the impact of revascularization (coronary artery bypass grafting (CABG), or percutaneous coronary intervention (PCI)) and medical therapy (MT) on LVEF recovery in patients with CAD and LVEF ≤ 40%. Methods: All clinical studies which reported LVEF in patients with CAD and LVEF ≤ 40% undergoing either revascularization or MT were included. A systematic literature search up to May 11, 2017 was performed on MEDLINE, EMBASE and the Cochrane Library in Ovid. Studies were assessed for eligibility and data were extracted by independent reviewers in duplicate with disagreements resolved by a third reviewer. Bias assessment was performed using the Newcastle-Ottawa Scale. Random effect meta-analysis was performed on included studies. The primary outcome was change in LVEF after intervention as compared to baseline. Results: 83 cohort studies with a total of 7,157 patients were included. We observed a statistically significant increase in LVEF following revascularization with CABG (MD 7.76; 95% CI: 6.81 to 8.70; p<0.00001; I2=99%) and PCI (MD 6.70; 95% CI: 4.71 to 8.70; p<0.00001; I2=94%) but not after MT (MD 4.06; 95% CI: -2.12 to 10.24; p=0.20; I2=98%). Conclusion: In patients with CAD and LVEF ≤ 40%, revascularization leads to LVEF recovery as compared to MT. There is continued need for RCT level evidence to enable optimization of treatment selection in this difficult population.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».