Clinical impact of residual gradient and 3D orifice area after transcatheter mitral valve-in-valve implantation
Notice bibliographique
Résumé
AIMS: The mitral valve-in-valve (MVIV) procedure has emerged as an important therapy in failing surgical bioprosthetic valves. We aimed to evaluate factors associated with outcome following MVIV intervention, specifically the impact of 30-day MVIV gradient. We also explored the value of intraprocedural MVIV three-dimensional anatomic orifice area (3D-AOA) by transoesophageal echocardiography in a subset of patients (n = 68). METHODS AND RESULTS: Consecutive MVIV patients from a single institution with 30-day transthoracic echocardiography (TTE) were included (N = 100). Clinical and echocardiographic variables were evaluated. The primary outcome was one-year composite of all-cause mortality, heart failure hospitalization or re-intervention. Multivariable analysis was performed to determine predictors of primary outcome. Mean age was 77.3 ± 10.6 years and pre-intervention mean mitral gradient was 11.5 ± 4.0 mmHg. Thirty-day MVIV mean gradient was 7.4 ± 2.6 mmHg with ≤1+ residual regurgitation in 99.0% of patients. Multivariable analysis identified MVIV mean gradient as the only independent determinant of the primary outcome (HR 1.31, CI: 1.07-1.61, P = 0.009). MVIV 3D-AOA was associated with a 30-day MVIV mean gradient of >7 mmHg by TTE (ROC-AUC 0.8, P < 0.001), and patients with 3D-AOA > 2 cm2 had significantly lower 1-year all-cause mortality (2.5% vs. 18.7%, Kaplan-Meier log-rank P = 0.03). CONCLUSION: Elevated 30-day mean gradient is associated with worse outcomes after MVIV, and smaller intraprocedural MVIV 3D-AOA is associated with a higher 30-day mean gradient and worse mortality. Optimizing MVIV orifice area at the time of procedure may improve valve haemodynamics and patient outcomes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,017 |
| 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 ».