Incidence, Risk Factors, and Outcomes of Postoperative Atrial Fibrillation after Cardiac Surgery
Notice bibliographique
Résumé
Abstract Objective: Postoperative atrial fibrillation (POAF) is a known complication after cardiac surgery. This study investigated the incidence, perioperative outcomes, and predictors of POAF. Methods: We conducted a retrospective review of all eligible patients undergoing cardiac surgery procedures at King Khalid University Hospital, Riyadh, Saudi Arabia, between April 2015 and June 2021. Prespecified demographic, perioperative, and comorbidity data were collected, and summary statistics were done. Results: The incidence of POAF was 10.8% (114/1053 patients). Most patients had POAF detected in the first 72 h, except those who underwent septal defect repair procedures. Patients who developed POAF had significantly higher rates of complications, including major adverse cardiovascular events, pneumonia, bleeding and shock, acute kidney injury, and congestive heart failure (all had a P ≤ 0.005). Advanced age and increased body mass index were the preoperative predictors of POAF. Furthermore, undergoing coronary artery bypass grafting (CABG), valve replacement surgery, or a combined procedure were also predictors of POAF. Conclusion: POAF after cardiac surgery is a common complication with increased risks of significant complications. Efforts to prevent POAF incidence are required through prediction and preventive measures. More studies are needed to determine if early detection and prompt treatment could mitigate the clinical sequelae of POAF.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».