MétaCan
Menu
Retour à la cohorte
Enregistrement W4396895816 · doi:10.1161/circulationaha.124.069450

Influence of Pathophysiologic Patterns of Coronary Artery Disease on Immediate Percutaneous Coronary Intervention Outcomes

2024· article· en· W4396895816 sur OpenAlexaff
Carlos Collet, Daniel Munhoz, Takuya Mizukami, Jeroen Sonck, Hitoshi Matsuo, Toshiro Shinke, Hirohiko Ando, Brian Ko, Simone Biscaglia, Fernando Rivero, Thomas Engstrøm, Ketina Arslani, Antonio Maria Leone, Lokien X. van Nunen, William F. Fearon, Evald Høj Christiansen, Stéphane Fournier, Liyew Desta, A. Yong, Julien Adjedj, Javier Escaned, Masafumi Nakayama, Ashkan Eftekhari, Frederik M. Zimmermann, Koshiro Sakai, Tatyana Storozhenko, Bruno R. da Costa, Gianluca Campo, Nick E.J. West, Tom De Potter, Ward Heggermont, Dimitri Buytaert, Jozef Bartúnek, Colin Berry, Damien Collison, Tom Johnson, Tetsuya Amano, Divaka Perera, Allen Jeremias, Ziad A. Ali, Nico H.J. Pijls, Bernard De Bruyne, Nils P. Johnson

Notice bibliographique

RevueCirculation · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensInstitute of Health Services and Policy Research
Organismes subventionnairesBiosense WebsterMedical Research CouncilAbbott VascularNovo NordiskServierSiemens HealthineersUniversity of GlasgowBritish Heart FoundationAbiomedBoston Scientific CorporationEngineering and Physical Sciences Research CouncilAstraZenecaNiproGlaxoSmithKlineInstituto de Salud Carlos IIIAmgen
Mots-clésMedicineFractional flow reserveConventional PCIPercutaneous coronary interventionCardiologyRevascularizationInternal medicineCoronary artery diseaseMyocardial infarctionReceiver operating characteristicArea under the curveCoronary angiography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diffuse coronary artery disease affects the safety and efficacy of percutaneous coronary intervention (PCI). Pathophysiologic coronary artery disease patterns can be quantified using fractional flow reserve (FFR) pullbacks incorporating the pullback pressure gradient (PPG) calculation. This study aimed to establish the capacity of PPG to predict optimal revascularization and procedural outcomes. METHODS: This prospective, investigator-initiated, single-arm, multicenter study enrolled patients with at least one epicardial lesion with an FFR ≤0.80 scheduled for PCI. Manual FFR pullbacks were used to calculate PPG. The primary outcome of optimal revascularization was defined as an FFR ≥0.88 after PCI. RESULTS: A total of 993 patients with 1044 vessels were included. The mean FFR was 0.68±0.12, PPG 0.62±0.17, and the post-PCI FFR was 0.87±0.07. PPG was significantly correlated with the change in FFR after PCI (r=0.65 [95% CI, 0.61–0.69]; P <0.001) and demonstrated excellent predictive capacity for optimal revascularization (area under the receiver operating characteristic curve, 0.82 [95% CI, 0.79–0.84]; P <0.001). FFR alone did not predict revascularization outcomes (area under the receiver operating characteristic curve, 0.54 [95% CI, 0.50–0.57]). PPG influenced treatment decisions in 14% of patients, redirecting them from PCI to alternative treatment modalities. Periprocedural myocardial infarction occurred more frequently in patients with low PPG (<0.62) compared with those with focal disease (odds ratio, 1.71 [95% CI, 1.00–2.97]). CONCLUSIONS: Pathophysiologic coronary artery disease patterns distinctly affect the safety and effectiveness of PCI. PPG showed an excellent predictive capacity for optimal revascularization and demonstrated added value compared with an FFR measurement. REGISTRATION: URL: https://www.clinicaltrials.gov ; Unique identifier: NCT04789317.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,286
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207