Graft patency of no-touch versus conventionally harvested saphenous vein conduits in coronary artery bypass grafting: A frequentist and Bayesian meta-analysis of randomized trials
Notice bibliographique
Résumé
Background No-touch (NT) saphenous vein harvest is a technique that minimizes intimal injury and has been shown to improve patency. This study aimed to directly compare NT saphenous vein grafts (SVGs) to conventional skeletonized (CON) SVGs through a meta-analysis. Methods A systematic literature search was conducted for randomized controlled trials comparing the angiographic patency of NT-SVG and CON-SVG. The primary outcome was graft occlusion as a proportion of the total grafts assessed. Secondary outcomes were graft occlusion per patient, all-cause mortality, and leg wound complications. A random-effects model using a frequentist approach and Bayesian analysis were performed. Results A total of 235 studies were retrieved, of which 7 ultimately were chosen for analysis, with a total of 3334 randomized patients and 5798 SVGs. The pooled estimated age was 63.5 and 62.8 years for NT and CON, respectively, with approximately 14% of patients being women. The weighted mean angiographic follow-up was 11.6 months. Relative to CON-SVG, NT-SVG was associated with lower rates of graft occlusion per graft (relative risk [RR], 0.57; 95% confidence interval [CI], 0.46-0.72; P < .001) and per patient (RR, 0.61; 95% CI, 0.46–0.79; P < .001), comparable all-cause mortality (RR, 1.12; 95% CI, 0.56-2.25; P = .75), and a higher rate of leg wound complications (RR, 2.32; 95% CI, 1.78-3.02; P < .001). Findings for occlusion per graft were consistent with Bayesian analysis (RR, 0.57; 95% credible interval, 0.41-0.79). Conclusions Compared to CON, NT confers significantly better patency and equivalent survival but poorer harvest site healing. The clinical benefit of NT remains uncertain, and further evidence is needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,057 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».