Structured Allocation of Transcatheter Aortic Valve Replacement Patients during Coronavirus Disease 2019 Pandemic: Impact on Patient Selection and Clinical Results
Notice bibliographique
Résumé
Due to shortages of medical resources during the Coronavirus Disease 2019 (COVID-19) pandemic, an allocation algorithm for Transcatheter Aortic Valve Replacement (TAVR) was established. We investigated the impact on patient selection and procedural results. In total, 456 TAVR patients before (pre-COVID-19 group) and 456 TAVR patients after (COVID-19 group) the implementation of our allocation algorithm were compared. Concerning patient characteristics, the COVID-19 group revealed a higher rate of cardiac decompensations/cardiogenic shocks (10.5% vs. 1.3%; p < 0.001), severe angina pectoris (Canadian Cardiovascular Society (CCS) II, III and IV: 18.7% vs. 11.8%; p = 0.004), troponin elevation (>14 ng/L: 84.9% vs. 77%; p = 0.003) and reduced left ventricular ejection fraction (LVEF) (<45%: 18.9% vs. 12%; p = 0.006). Referring to procedural characteristics, more predilatations (46.3% vs. 35.1%; p = 0.001) and a longer procedural time (80.2 min (+/−29.4) vs. 66.9 min (+/−17.5); p < 0.001) were observed. The success rate was evenly high; no differences in safety parameters were reported. Examining the utilization of hospital resources, the COVID-19 group showed a shorter in-hospital stay (8.4 days (+/−5.9) vs. 9.5 days (+/−9.33); p = 0.041) and fewer TAVR patients were treated per month (39 (+/−4.55) vs. 46.11 (+/−7.57); p = 0.03). Our allocation algorithm supported prioritization of sicker patients with similar efficient and safe TAVR procedures. In-hospital stay could be shortened.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».