Selection Criteria in the Era of Perfect Competition for Drug-Eluting Stents in Association With Operator Volumes: An Operator-Volume Analysis of the Selection DES Study
Notice bibliographique
Résumé
Background: This study aimed to explore the factors influencing the drug-eluting stent (DES) selection criteria of cardiologists in association with percutaneous coronary intervention (PCI) volumes and to determine whether they value further DES improvements and modifications. Methods: The survey was conducted on a group of cardiologist operators from April 10 to 30, 2023. Results: The analysis included 126 operators who answered the questions. Of these, low-, intermediate-, and high-volume operators accounted for 49 (38.9%), 47 (37.3%), and 30 (23.8%), respectively. Overall, Xience TM everolimus-eluting stent (CoCr-EES) was most frequently used, with > 70% of cardiologists using it in > 20% of their PCI practice. The percentage of selection by low-, intermediate-, and high-volume operators among the DESs used demonstrated no difference, except for dual-therapy sirolimus-eluting and CD34 + antibody-coated Combo ® stent (DTS). Logistic regression analysis revealed that low-volume operators are less likely to be affected in terms of company/sales representative (odds ratio (OR): 0.402, P = 0.031) and bending lesions (OR: 0.339, P = 0.037) for selecting DES. Low-volume operators less frequently selected Resolute Onyx TM zotarolimus-eluting stents (OR: 0.689, P = 0.043) and DTS (Drug-Eluting Stents) (OR: 0.361, P = 0.006) for PCI. Conclusions: The current study results indicate that patient background, DES performance, and product specifications were not criteria for DES selection in cardiologists with different PCI volumes in routine PCI. Cardiol Res. 2024;15(3):189-197 doi: https://doi.org/10.14740/cr1651
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».