Emergency Department Visits Following Transcatheter Cardiac Interventions: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
While hospital readmission is the most common health system performance metric after transcatheter cardiac interventions, emergency department (ED) visits are rarely evaluated. We aimed to synthesize the incidence, causes, predictors, costs, and outcomes of ED visits following transcatheter procedures in patients undergoing percutaneous coronary interventions (PCI), atrial septal defect (ASD) closures, patent foramen ovale (PFO) closures, and transcatheter aortic valve interventions (TAVI). Embase and Medline databases were searched from January 01, 2004, to July 25, 2024. We descriptively summarized ED visit outcomes for all studies and, when relevant, performed a meta-analysis to obtain a pooled mean cumulative incidence for 30-day ED visits following intervention. Nineteen studies met the eligibility criteria, nine of which were subsequently meta-analyzed. The incidence of 30-day ED visits in individual studies ranged from 2.8% to 22% for PCI patients, 4% to 15.3% for TAVI patients, and 16.9% to 19.5% for ASD/PFO patients. The pooled mean cumulative incidence of 30-day ED visits was 9% (95% CI: 3%-18%) for PCI patients and 12% (95% CI: 9%-15%) for TAVI patients. A high degree of between-study heterogeneity was found in the meta-analysis of these outcomes. Based on limited reporting, risk factors associated with ED visits varied by procedure and included factors such as urgency of procedure, length of stay, sex, age, and dementia. The incidence and predictors of ED visits post-transcatheter cardiac interventions were noteworthy yet highly variable and inconsistently reported. Further research into the risk factors that contribute to ED visits is needed to capture the burden of this outcome.
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) | 0,002 | 0,068 |
| Bibliométrie | 0,000 | 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 ».