European survey on valvular heart disease clinical experience from the European Society of Cardiology council on valvular heart disease
Notice bibliographique
Résumé
Aims: The aim of this survey is to analyze how current recommendations on valvular heart disease (VHD) management have been adopted. Identifying potential discrepancies between recommendations and everyday clinical practice would enable us to better understand and address the remaining challenges in this controversial and complex field. Methods and results: A total of 33 questions, distributed via email to all European Society of Cardiology (ESC) affiliated countries through the newsletter of the ESC council on VHD, were answered by 689 respondents, mainly from tertiary care settings. The results of this survey showed that VHD patients are mostly managed by tertiary care centres, where multi-disciplinary heart teams are frequently a reality. Cardiac computed tomography (CT) is often used in the preprocedural planning of transcatheter interventions, particularly for sizing and deliverability assessment. Echocardiography represents the most widely used imaging modality in the diagnostic, intra-operative and follow-up phase of VHD patients. Cardiac magnetic resonance (CMR) is still largely underused, also for conditions such as mitral annular disjunction, or for the assessment of left ventricle volumes where it is considered as the gold standard, despite 3D volumes by echocardiography having proved good comparability with CMR. As for endocarditis, despite still underused, transesophageal echocardiography (TEE) represents the approach of choice for the diagnosis of native and prosthesis valve endocarditis (up to 46% of the respondents use it). In this context, positron emission tomography-CT is largely underused. Conclusion: There is widespread adoption of current recommendation on the evaluation of VHD and these are frequently used to guide patient management. Nonetheless, there are still many discrepancies across centres and countries which need to be addressed with the aim of improving patients' management and outcomes and ultimately positively impacting on healthcare resources.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».