Transcatheter Edge-to-Edge Repair in Patients With Primary Tricuspid Regurgitation
Notice bibliographique
Résumé
BACKGROUND: Tricuspid regurgitation (TR) leads to right heart congestion and increased mortality risk. Unlike secondary TR, primary TR results from leaflet degeneration. Transcatheter edge-to-edge repair (TEER) is widely used for TR. However, its feasibility primary TR remains uncertain. OBJECTIVES: The aim of this study was to assess the safety and feasibility of TEER in patients with primary TR. METHODS: The primary TR registry is a multicenter cohort study of patients with primary TR undergoing TEER. Echocardiographic assessment classified leaflet pathology into type 1 (flail), type 2 (billowing prolapse), type 3 (perforation), and type 4 (restricted mobility). The primary endpoint was TR reduction to moderate or less at discharge. RESULTS: From December 2016 to April 2023, 114 patients (mean age 79.9 years, 53.5% men) were included. Most patients were in NYHA functional class III or IV (83.3%), with a median TRI-SCORE of 5.0. The TR pathologies were type 1 (28.1%), type 2 (61.4%), and type 4 (10.5%), with no type 3 cases. Device deployment was achieved in 95.6%, and 83.3% showed TR reduction to moderate or less. In-hospital mortality was 1.8%, and single-leaflet device attachment occurred in 3.5%. At 1 year, 79.7% of patients had TR moderate or less, with significant reductions in vena contracta (-5.0 mm; P < 0.001), annular diameter (-2.0 mm; P = 0.003), and mid right ventricular diameter (-3.0 mm; P < 0.001). NYHA functional class also improved significantly (NYHA functional class I or II: 17.1% at baseline vs 66.5% at follow-up; P < 0.001). CONCLUSIONS: TEER is a safe and effective option for primary TR, promoting right heart reverse remodeling and symptomatic relief, offering a vital alternative to surgery in selected patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,012 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».