Epidemiology and Prognostic Significance of Acute Noncardiac Organ Dysfunction Across Cardiogenic Shock Subtypes
Notice bibliographique
Résumé
BACKGROUND: The epidemiology and prognostic significance of acute noncardiac organ dysfunction across cardiogenic shock (CS) subtypes are not well-defined. METHODS: CS admissions from 2017 to 2022 in the Critical Care Cardiology Trials Network Registry were classified as acute myocardial infarction-related CS (AMI-CS), acute-on-chronic heart failure-related CS (AoC HF-CS), or de novo HF-CS, and categorized as having at least moderate respiratory, kidney, liver, and/or neurological dysfunction using established criteria. Burden of organ dysfunction was defined as no noncardiac organ dysfunction (NOD), single organ dysfunction, or multiorgan dysfunction (≥2) (MOD). Multivariable models were used to evaluate associations of burden and type of noncardiac organ dysfunction with in-hospital death. RESULTS: Among 3904 CS admissions, 29.4% had AMI-CS, 50.9% had AoC HF-CS, and 19.7% had de novo HF-CS. AMI-CS and de novo HF-CS had greater prevalence of MOD (35.0% and 33.9%, respectively) compared with AoC HF-CS (23.1%; P < .01). In-hospital mortality was higher with a greater burden of organ dysfunction in the overall CS cohort (single organ dysfunction vs NOD, adjusted odds ratio [aOR] for in-hospital death 2.5, 95% confidence interval [CI] 2.0-3.2; MOD vs NOD: aOR 6.5, 95% CI 5.1-8.2) and across each CS subtype. Kidney dysfunction was the most prognostically important form of organ dysfunction in the overall cohort (aOR 4.1, 95% CI 3.4-5.0) and for each CS subtype. CONCLUSIONS: Admissions for AoC HF-CS had a lower burden of acute noncardiac organ dysfunction compared with admissions for de novo HF-CS and AMI-CS. However, acute noncardiac organ dysfunction burden was similarly adversely prognostic across all CS subtypes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».