Management of Postprocedural Conduction Disturbances Using a Prespecified Algorithm in the Optimize PRO Study
Notice bibliographique
Résumé
BackgroundLack of standardization in posttranscatheter aortic valve replacement (TAVR) conduction disturbance (CD) identification and treatment may affect permanent pacemaker implantation (PPI) rates and clinical outcomes. The safety and efficacy of a standardized TAVR CD algorithm has not been analyzed. This study analyzes the Optimize PRO post-TAVR CD management algorithm with Evolut PRO/PRO+ valves.MethodsOptimize PRO is a prospective, postmarket study implementing 2 strategies to reduce pacemaker rates: TAVR with cusp overlap technique and a post-TAVR CD algorithm. The 2-hour postprocedural electrocardiogram (ECG) stratified patients to early discharge in the absence of new ECG changes or to CD algorithms for (1) ECG changes with preexisting right or left bundle branch block (LBBB), interventricular conduction delay or first-degree atrioventricular block, (2) new LBBB, or (3) high-degree atrioventricular block (HAVB).ResultsThe interim analysis of the CD cohort consisted of 125/400 TAVR recipients. In the CD cohort, the 30-day new PPI rate was higher (28.1% vs 1.5%; P <.001), and 60 (48%) patients were discharged with a 30-day continuous ECG monitor. At 30 days, 90% of patients discharged with a monitor did not require PPI. Clinical outcomes, including mortality, stroke, bleeding, and reintervention, were similar in patients with and without CDs. No patient experienced sudden cardiac death.ConclusionsEffective management of CDs using a standard algorithm following Evolut TAVR provides similar 30-day safety outcomes to patients without CDs who undergo routine next day discharge. The CD algorithm may provide an effective strategy to recognize arrhythmias early, improve PPI utilization, and facilitate safe monitoring of patients after discharge.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,094 |
| 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 | 0,000 |
| 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 ».