MétaCan
Menu
Retour à la cohorte
Enregistrement W4384922435 · doi:10.1097/hco.0000000000001073

Evaluation and management of drug-eluting stent in-stent restenosis

2023· review· en· W4384922435 sur OpenAlexaff
Shane Parfrey, Vincent Siu, John Graham, Ram Vijayaraghavan, Christopher Li, Jeffrey Pang, Sanjog Kalra, Vladimír Džavík, Harindra C. Wijeysundera, Akshay Bagai

Notice bibliographique

RevueCurrent Opinion in Cardiology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensUniversity of TorontoSt. Michael's HospitalUniversity Health NetworkSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineRestenosisBalloonStentAngioplastyDrug-eluting stentRadiologyIntensive care medicineSurgery

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: In-stent restenosis (ISR) is the most common cause of stent failure. Although the rate of ISR is significantly lower with contemporary drug-eluting stents (DES), it remains a challenging clinical entity to treat. RECENT FINDINGS: In this review, we focus on a practical approach to management of DES ISR with intravascular imaging at its core, as supported by several recently published articles. This facilitates assessment of the underlying mechanism(s) essential to the successful treatment of ISR allowing for a tailored selection of treatment modalities. SUMMARY: The successful treatment of DES ISR requires identification of the causative mechanism(s). Individualized treatment may include high-pressure balloon angioplasty alone, cutting or scoring balloons, intravascular lithotripsy, atheroablative therapies and a selection of either repeat DES implantation or drug-coated balloon treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,843

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,276
Tête enseignante GPT0,475
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in CardiologyMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207