CENTER SPECIFIC IMPLANTATION VOLUMES - A PREDICTOR OF CLINICAL OUTCOMES WITH MECHANICAL CIRCULATORY SUPPORT?
Notice bibliographique
Résumé
PURPOSE: This study examined center specific implantation volumes in relation to clinical outcomes with mechanical circulatory support. METHODS: Utilizing the Novacor LVAS Global Registry, the study cohort consisted of 1293 patients at 86 centres which were grouped by implant volume; 1–10 implants (n=193, 55 centers), 11–25 (n=199, 12 centers), 26–50 (n=394, 12 centers), and over 51 (n=507, 7 centers). RESULTS: Center volumes of >10 implants was a predictor of favorable outcome, odds ratio of 1.733 (95% confidence interval 1.274–2.357, p <0.001). In centers with volumes of <10 implants just 89 of 193 patients achieved a favorable outcome (i.e. transplantation/weaning). Significant differences were noted between this group and all other groups; 11–25 implants (119/199 transplant/weaned, p=0.007), 26–50 (238/394 transplant/weaned, p <0.001) and over 51 (300/507 transplant/weaned, p=0.002). To assess if these findings were simply a function of volume based learning, composite results from the first 10 implants of each center performing more than 10 implants was compared with the group with less than 10 implants. This comparison also resulted in significance (191/309 versus 89/193 transplant/weaned, p=0.001) indicating centres with larger volumes had superior results even during the early patient experience (first 10 implants). CONCLUSIONS: Center specific volumes can impact clinical outcomes. The centers performing low volumes (<10 implants) were demonstrated to have worst results. Factors such as implantation frequency, experience with other devices, etc. may also be potentially responsible for these results.
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 | 0,000 |
| 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 ».