Predictors of Major Adverse Cardiovascular and Cerebrovascular Events After Acute Coronary Syndromes: A Retrospective Observational Study Using YoMDB Database
Notice bibliographique
Résumé
Objectives: Despite the rapid aging of the population in Japan, clinical predictors for major adverse cerebrovascular and cardiovascular events (MACCE) in patients with new onset of acute coronary syndromes (ACS) have not been well studied. This study therefore aimed to identify the predictors of MACCE in the first onset of ACS patients requiring care. Materials and Methods: Using the Yokohama Original Medical Database, we identified 3,373 patients who experienced a first onset of ACS and had certified care information from April 2014 to March 2016. The incidence proportion of MACCE from June 2014 to March 2018 was retrospectively investigated. Each patient's independence of daily living (IDL) was classified as one of three categories (reference, mild and severe). Results: Predictors of MACCE were identified using multivariate logistic regression analysis. Impaired IDL was associated with increased MACCE, with adjusted odds ratios for reference, mild and severe of 1.00, 1.35 (95% confidence intervals 1.14-1.60) and 2.12 (95% confidence intervals 1.61-2.80; P for trend < 0.001), respectively. Conclusions: This study revealed that male sex, chronic kidney disease, atrial fibrillation, high-intensity statin use, low-intensity statin use, and lower IDL (representing less independence) were the predictors of MACCE requiring care for a first onset of ACS. Further research will be required to understand the results of interventions for the identified predictors of MACCE.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».