P407 MULTIDIMENSIONAL ASSESSMENT OF THE ELDERLY PATIENT WITH SEVERE AORTIC STENOSIS: THE ROLE OF FRAILTY IN THE CHOICE OF TREATMENT (TAVI/SAVR)
Notice bibliographique
Résumé
Abstract Background Surgical Aortic Valve Replacement (SAVR) and Transcatheter Aortic Valve Replacement (TAVI) are treatment options in patients with severe aortic stenosis. International guidelines suggest both traditional risk scores and a Comprehensive Geriatric Assessment (GCA) be determinants in treatment decision–making. The aim of the study is to identify the GCA parameters associated with the decision to perform TAVI instead of SAVR in elderly patients with severe aortic stenosis. Materials and Methods Between 2019 and 2022, 66 patients aged ≥75 years were referred to the Cardiology department of Padua Hospital for pre–operative evaluation, including CGA. The CGA consisted of functional status (Activities of Daily Living and Instrumental Activities of Daily Living Scales), cognitive impairment (Mini Mental State Examination, Montreal Cognitive Assessment), mood disorders (Geriatric Depression Scale), physical performance (Short Physical Performance Battery, 6–minute Walking Test, grip strength) and quality of life (Short–Form 36 items Health Survey). Results SAVR was proposed to 53% of patients and TAVI to 47%. The mean age was 78.9 ± 4.8 years and 47% were women. TAVI patients were older and had lower scores on both cognitive and motor performance tests than SAVR patients. The geriatric parameters associated with treatment decision–making between SAVR and TAVI were age (OR= 1.64, p < 0.04) and gait speed (OR= 0.09, p = 0.05). Conclusions Therapeutic decision–making in elderly patients with severe aortic stenosis is not only influenced by age, but also by a frailty index, gait speed. This could become a simple, quick and inexpensive routine test to effectively stratify patients.
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 | 0,001 | 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) | 0,000 | 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 ».