The Value of Left Internal Mammary Artery Flow Velocity in Predicting the Prognosis of Patients After Coronary Artery Bypass Grafting
Notice bibliographique
Résumé
Background: The purpose of this study was to explore the value of the left internal mammary artery flow velocity (LIMAV) measured by ultrasound before coronary artery bypass grafting (CABG) in predicting the prognosis of patients after left internal mammary artery (LIMA) bypass grafting. Methods: One hundred and four patients who underwent CABG with LIMA as the bridge vessel in the cardiovascular surgery department of our hospital between May 2018 and June 2019 were selected. All patients underwent transthoracic Doppler ultrasonography to measure LIMAV preoperatively. Intraoperatively, mean graft flow (MGF) and pulsatility index (PI) of the LIMA bridge were measured using transit time flow measurement (TTFM). The primary endpoint event in this study was cardiac death within 18 months after surgery. Results: The Cox survival analysis showed that the MGF, the LIMAV and left ventricular ejection fraction (LVEF) were risk factors for death after CABG. The cut-offs of MGF, LIMAV and LVEF for the prediction of death after CABG were ≤ 14 mL/min (area under the curve (AUC): 0.830; sensitivity: 100%; specificity: 65.6%), ≤ 60 cm/s (AUC: 0.759; sensitivity: 65.5%; specificity: 85.3%), and ≤ 44% (AUC: 0.724; sensitivity: 50%; specificity: 88.5%), respectively. Compared with the use of MGF, MGF + LIMAV, combination of the MGF + LIMAV + LVEF (AUC: 0.929; sensitivity: 100%; specificity: 81.1%) resulted in a stronger predictive value (MGF vs. MGF + LIMAV + LVEF: P = 0.02). Conclusion: LIMAV measured by preoperative transthoracic ultrasound combined with intraoperative MGF and LVEF may have a greater value in predicting patients' risk of cardiac death after CABG.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».