Evaluation of the Atherogenic Index of Plasma to Predict All-Cause Mortality in Elderly With Acute Coronary Syndrome: A Long-Term Follow-Up
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Atherogenic Index of Plasma (AIP) is associated with coronary artery disease (CAD) and acute coronary syndrome (ACS), but the relationship between AIP and ACS in elderly patients remains unclear. We investigated the prognostic capability of AIP for in-hospital and long-term mortality in elderly patients with ACS undergoing coronary angiography (CA). We analyzed 627 patients with ACS over 75 years of age who were admitted to our clinic between April 2015 and December 2022 and underwent CA. The primary clinical endpoints were in-hospital, 30-day, 1-year, and long-term mortality. The median follow-up time was 27 months. AIP was defined as log (triglyceride/high-density lipoprotein cholesterol). In-hospital mortality rates for patients with AIP ≤.1 and AIP >.1 were 4.7% and 17.6% ( P < .001), 30-day mortality rates were 8.7% and 32.2% ( P = .01), 1-year mortality rates were 12.1% and 45.1% ( P < .001), and long-term mortality rates were 47.3% and 67.5% ( P < .001), respectively. Multivariate Cox regression analysis revealed AIP, age, left ventricle ejection fraction (LVEF), admission creatinine, and Killip ≥2 as independent predictors for long-term mortality. AIP can predict in-hospital and long-time all-cause mortality in elderly patients with ACS undergoing CA. Age, LVEF, admission creatinine, and Killip ≥2 are additional factors that predict long-term all-cause mortality.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle