MétaCan
Menu
Retour à la cohorte
Enregistrement W4405012663 · doi:10.1016/j.heliyon.2024.e40908

Device-related patient outcomes for coronary stents: A MAUDE database analysis

2024· article· en· W4405012663 sur OpenAlexaff
Zihan Gao, Sujata K. Bhatia

Notice bibliographique

RevueHeliyon · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineCardiologyDatabaseMedical physicsComputer science

Résumé

récupéré en direct d'OpenAlex

The growing prevalence of coronary artery diseases in the US corresponds to the increasing use of minimally invasive techniques that require coronary stents. Although extensive research is available on the perioperative outcomes of the 3 stent options - bare-metal stents (BMS), drug-eluting stents (DES), and bioresorbable drug-eluting stents (BVS), a knowledge gap exists in the longitudinal monitoring of patient outcomes due to device-related causes. Therefore, our study examines the device-related patient outcome and the relative performance for BMS, DES, and BVS. Data on 3 device outcomes (deaths, injuries, and malfunction) for each stent type was obtained from the January 2011 to February 2020 Manufacturer and User Facility Device Experience (MAUDE) database. Statistical visualizations and analysis were used to identify trends and significant differences between groups. Of a total of 68,618 adverse event reports, DES, BMS, and BVS each accounted for 88.5 %, 10.2 %, and 1.25 % of the cases, respectively. Device malfunctions were the most reported event (47.2 %), followed by injuries (44.1 %) and deaths (8.66 %). Over time, BMS malfunction rates showed a steady decrease (R = -0.87), while DES malfunction rates increased significantly (R = 0.79). An inversely proportional relationship between DES injuries and malfunctions was observed. The increase in DES malfunctions was 4 times greater than the decrease in BMS malfunctions. Approximately 7 % of reported adverse events were classified as misreported, with most involving DES. These results suggest 2 plausible interpretations: 1) reporting categorization for devices shifted from injuries to malfunction, and 2) stents choice is transitioning from BMS to DES. Our findings also highlight the need to improve reporting accuracy for MAUDE database data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,328
Écart entre enseignants0,298 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207