Sex Differences in Trends in Incidence of Thoracic Aortic Aneurysm Repair and Aortic Dissection: 2005-2015
Notice bibliographique
Résumé
BackgroundThe purpose of this study was to examine trends in the incidence of thoracic aortic aneurysm (TAA) repair and aortic dissection.MethodsA retrospective study was conducted of patients from the period 2005-2015 with thoracic aortic disease. Unadjusted mortality was compared in women vs men. Rates of scheduled TAA repair, dissection events, acute type A aortic dissection (TAAD) repair, and aorta-related mortality were obtained from our institution’s clinical registry and administrative data sources and used to calculate the age-adjusted incidence for each sex, adjusted to the Canadian standard population. Weighted linear regression was performed to analyze trends over time.ResultsA total of 382 scheduled TAA repair operations, 345 dissection events, 85 TAAD repairs, and 182 aorta-related mortalities were identified. Women accounted for 23% of TAA repairs, 39% of dissection events, 22% of TAAD repairs, and 45% of aorta-related mortalities. The incidence of TAA repair was 3.5 per 100,000 person-years (95% confidence interval [CI]: 3.2-3.9), and increased in men (P = 0.02) but not women (P = 0.10) over time. The incidence of aortic dissection was 3.4 per 100,000 (95% CI: 3.1-3.8) and was stable over time (P = 0.43). The average annual age-adjusted incidence of TAAD repair was 0.8 per 100,000 (95% CI: 0.6-1.0) and increased over time (P = 0.001). The overall incidence of aorta-related mortality was 1.8 per 100,000 (95% CI: 1.5-2.0) and decreased over time (P = 0.02).ConclusionThe incidence of TAA repair is increasing in men but not women. Although aorta-related mortality is decreasing overall, disparities exist between the male and female population.
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) | 0,000 | 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) | 0,001 | 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 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 ».