Prevalence and prognostic significance of malnutrition in patients with secondary mitral regurgitation undergoing transcatheter edge‐to‐edge repair
Notice bibliographique
Résumé
BACKGROUND: Malnutrition is associated with poor prognosis in several cardiovascular diseases; however, its role in patients with secondary mitral regurgitation (SMR) is poorly known. AIMS: To evaluate the impact of nutritional status, assessed using different scores, on clinical outcomes in patients with SMR undergoing transcatheter edge-to-edge repair (TEER) in a real-world setting. METHODS: A total of 658 patients with SMR and complete nutritional data were identified from the MIVNUT registry. Nutritional status has been assessed using controlling nutritional status index (CONUT), prognostic nutritional index (PNI), and geriatric nutritional risk index (GNRI) scores. Outcomes of interest were all-cause mortality and all-cause mortality or heart failure (HF) hospitalization. RESULTS: Any malnutrition grade was observed in 79.4%, 16.7%, and 47.9% of patients by using CONUT, PNI, and GNRI, respectively, while moderate to severe malnutrition was noted in 24.7%, 16.7%, and 25.6% of patients, respectively. At a median follow-up of 2.2 years, 212 patients (32.2%) died. Moderate-severe malnutrition was associated with a higher rate of all-cause mortality (HR: 2.46 [95% CI: 1.69-3.58], HR: 2.18 [95% CI: 1.46-3.26], HR: 1.97 [95% CI: 1.41-2.74] for CONUT, PNI, and GNRI scores, respectively). The combined secondary endpoint of all-cause mortality and HF rehospitalization occurred in 306 patients (46.5%). Patients with moderate-severe malnutrition had a higher risk of the composite endpoint (HR: 1.56 [95% CI: 1.20-2.28], HR: 1.55 [95% CI: 1.01-2.19], HR: 1.36 [95% CI: 1.02-1.80] for CONUT, PNI, and GNRI scores, respectively). After adjustment for multiple confounders, moderate-severe malnutrition remained independently associated with clinical outcomes. CONCLUSIONS: Moderate-severe malnutrition was common in patients with SMR undergoing TEER. It was independently associated with poor prognosis regardless of the different scores used.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».