Red blood cell transfusion and mortality after transcatheter aortic valve implantation via transapical approach: A propensity-matched comparison from the TRITAVI registry
Notice bibliographique
Résumé
Objective: Bleeding is frequent during transcatheter aortic valve implantation (TAVI), especially when performed through a transapical approach (TA), and is associated with a worse prognosis. The present study aims to test the implication of red blood cell (RBC) transfusion and the optimal transfusion strategy in this context. Methods: Among 11,265 participants in the multicenter TRITAVI (Transfusion Requirements in Transcatheter Aortic Valve Implantation) registry, 548 patients (4.9%) who received TA-TAVI at 19 European centers were included. One-to-one propensity score matching was performed to reduce treatment selection bias and potential confounding among transfused versus non-transfused patients. The primary endpoint of the study was the 30-day occurrence of all-cause mortality. Results: 209 patients (38 %) received RBC transfusions. The primary endpoint occurred in 47 (8.6 %) patients. Propensity score matching identified 188 pairs of patients with and without RBC transfusion. In the propensity score-matched analysis, RBC transfusion was associated with increased 30-day mortality (HR 3.35, 95 % CI 1.51 - 7.39; p = 0.002). At multivariable cox regression analysis, RBC transfusion was an independent predictor of 30-day mortality (HR 3.07, 95 % CI 1.01-9.41, p = 0.048), as well as baseline ejection fraction (HR 0.96, 95 % CI 0.92-0.99, p = 0.043), and acute kidney injury (HR 3.95, 95 % CI 1.11-14.05, p = 0.034). Conclusions: RBC transfusion is an independent predictor of short-term mortality in patients undergoing TA-TAVI, regardless of major bleeding.Clinical trial registration: https://www.clinicaltrials.gov Unique identifier: NCT03740425.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».