Modes of Death in Patients with Cardiogenic Shock in the Cardiac Intensive Care Unit: A Report from the Critical Care Cardiology Trials Network
Notice bibliographique
Résumé
BACKGROUND: There are limited data on how patients with cardiogenic shock (CS) die. METHODS: The Critical Care Cardiology Trials Network is a research network of cardiac intensive care units coordinated by the Thrombolysis In Myocardial Infarction (TIMI) Study Group (Boston, MA). Using standardized definitions, site investigators classified direct modes of in-hospital death for CS admissions (October 2021 to September 2022). Mutually exclusive categories included 4 modes of cardiovascular death and 4 modes of noncardiovascular death. Subgroups defined by CS type, preceding cardiac arrest (CA), use of temporary mechanical circulatory support (tMCS), and transition to comfort measures were evaluated. RESULTS: Among 1068 CS cases, 337 (31.6%) died during the index hospitalization. Overall, the mode of death was cardiovascular in 82.2%. Persistent CS was the dominant specific mode of death (66.5%), followed by arrhythmia (12.8%), anoxic brain injury (6.2%), and respiratory failure (4.5%). Patients with preceding CA were more likely to die from anoxic brain injury (17.1% vs 0.9%; P < .001) or arrhythmia (21.6% vs 8.4%; P < .001). Patients managed with tMCS were more likely to die from persistent shock (P < .01), both cardiogenic (73.5% vs 62.0%) and noncardiogenic (6.1% vs 2.9%). CONCLUSIONS: Most deaths in CS are related to direct cardiovascular causes, particularly persistent CS. However, there is important heterogeneity across subgroups defined by preceding CA and the use of tMCS.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».