Analysis of STEMI and NSTEMI in a Community Cohort of Marijuana Users
Notice bibliographique
Résumé
Background: Marijuana is the most commonly used illicit drug in the United States. Current research has yet to come to a consensus on its association with acute coronary syndrome (ACS). Herein, we aimed to analyze how marijuana use relates to acute ST elevation myocardial infarction (STEMI) and non-STEMI (NSTEMI). Methods: Using a retrospective study design, we gathered data from August 2014 to September 2020 on all percutaneous coronary interventions (PCIs) done at Brookdale University Hospital Medical Center (BUHMC) in patients with NSTEMI and STEMI. To compare marijuana users (MUs) with non-users, t -tests and Chi-square tests were used. A total of 195 patients were included, with mean age at presentation of 47 years old; 59 were females (30.3%) and 136 were males (69.7%). We identified 37 patients who were MUs. MUs were younger than non-users (P < 0.01), had higher rates of alcohol (P = 0.025), opiate (P = 0.004) and cigarette (P ? 0.001) use. On admission, MUs had lower creatinine (P = 0.031), blood urea nitrogen (BUN) (P = 0.031), pro-B-type natriuretic peptide (PBNP) (P = 0.052), BMI (P = 0.014) and lower right coronary artery (RCA) disease (P = 0.026). Results: After logistic regression analyses, results showed that the severity of coronary artery disease (CAD) and admission diagnosis of STEMI or NSTEMI were not found to be significantly related to marijuana use. Age, alcohol, cigarette, creatinine, BUN, PBNP, BMI and RCA disease were significantly related to marijuana use. There was a negative correlation between marijuana use and RCA disease (MUs = 29.7% vs. non-users = 50%, P = 0.026). There was no significant association with STEMI, NSTEMI or the severity of CAD. Conclusion: As daily cannabis use is on the rise, more researches are needed to further determine the effects of marijuana use on CAD. Cardiol Res. 2022;13(5):297-302 doi: https://doi.org/10.14740/cr1340
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».