Unravelling the Difference Between Men and Women in Post-CABG Survival
Notice bibliographique
Résumé
Objectives Women have a worse prognosis after coronary artery bypass grafting (CABG) surgery compared to men. We sought to quantify to what extent this difference in post-CABG survival could be attributed to sex itself, or whether this was mediated by difference between men and women at the time of intervention. Additionally, we explored to what extent these effects were homogenous across patient subgroups. Methods Time to all-cause mortality was available for 102,263 CABG patients, including 20,988 (21%) women, sourced through an individual participant data meta-analysis of five cohort studies. Difference between men and women in survival duration was assessed using Kaplan–Meier estimates, and Cox’s proportional hazards model. Results During a median follow-up of 5 years, 13,598 (13%) patients died, with women more likely to die than men: female HR 1.20 (95%CI 1.16; 1.25). We found that differences in patient characteristics at the time of CABG procedure mediated this sex effect, and accounting for these resulted in a neutral female HR 0.98 (95%CI 0.94; 1.02). Next we performed a priori defined subgroup analyses of the five most prominent mediators: age, creatinine, peripheral vascular disease, type 2 diabetes, and heart failure. We found that women without peripheral vascular disease (PVD) or women aged 70+, survived longer than men (interaction p -values 0.04 and 6 × 10 –5 , respectively), with an effect reversal in younger women. Conclusion Sex differences in post-CABG survival were readily explained by difference in patient characteristics and comorbidities. Pre-planned analyses revealed patient subgroups (aged 70+, or without PVD) of women that survived longer than men, and a subgroup of younger women with comparatively poorer survival.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».