Multimorbidity, functional impairment, and mortality in older patients stable after prior acute myocardial infarction: Insights from the TIGRIS registry
Notice bibliographique
Résumé
BACKGROUND: Data on the association of multimorbidity and functional impairment with cardiovascular (CV) and non-CV outcomes among older myocardial infarction (MI) patients are limited. HYPOTHESIS: Multimorbidity and functional impairment among older MI patients are associated with CV and non-CV mortality. METHODS: Patients aged ≥65 years, 1-3 years post-MI, and enrolled between June 2013 and Novemeber 2014 from 349 sites in 25 countries in the global TIGRIS registry were categorized by age, number of comorbidities, and presence and degree of functional impairment. Functional impairment was calculated using five-dimension EuroQol based on three domains-mobility, self-care, and usual activities. The association between age, number of comorbid conditions, and degree of functional impairment with 2-year incidence of CV and non-CV death was evaluated using Poisson regression analysis. RESULTS: Older age was associated with higher number of comorbidities and functional impairment; after adjustment, increasing age was significantly associated with non-CV mortality (p = .03) but not CV mortality (p = .38). Greater functional impairment was associated with a higher rate and relatively equal magnitude risk of CV (rate ratios [RR] 1.52, 95% confidence intervals [CI]: 1.29-1.79, per one-step increase) and non-CV mortality (RR 1.42, 95% CI: 1.17-1.73). Multimorbidity was more strongly associated with CV mortality (RR 1.52, 95% CI: 1.38-1.67, per additional comorbidity) versus non-CV mortality (RR 1.29, 95% CI: 1.14-1.47, per additional comorbidity). CONCLUSIONS: Multimorbidity and functional impairment are prevalent among older post-MI patients and are associated with increased CV and non-CV mortality. These findings highlight the importance of considering comorbid conditions and functional impairment as predictors of risk for adverse outcomes and aspects of medical decision making. Clinical Trial Registration: NCT01866904.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».