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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| 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 ».