Assessing the Impact of Urgency and Delays to Transcatheter Edge‐to‐Edge Repair in a New Regional Program
Notice bibliographique
Résumé
BACKGROUND: The impact of acuity in patients undergoing transcatheter edge-to-edge repair (TEER) for mitral regurgitation (MR) treatment remains unclear. AIMS: This study examined outcome differences between elective versus urgent TEER cohorts, as well as identifying existence of referral delays to a new regional TEER program. METHODS: Consecutive patients undergoing TEER between 2021 and 2023 in the Fraser Health Authority were identified. Outcomes were compared between patients having elective versus urgent TEER. The co-primary outcomes were 1 year mortality and heart failure (HF) readmission. Logistic regression was performed to determine associations between urgency and 1 year outcomes. RESULTS: A total of 52 patients underwent TEER over 2 years. Twenty-one (40%) had urgent procedures. Urgent TEER patients more frequently had baseline NYHA IV status and higher STS-mortality scores. Both 1 year mortality (Urgent 38.1% vs. Elective 6.7%, p = 0.01) and HF readmission (Urgent 47.6% vs. Elective 12.9%, p < 0.01) rates were significantly higher in the urgent cohort. Procedural urgency was the only independent predictor of 1 year mortality (OR 20.83, 95% CI 1.27-341.56) and HF readmission (OR 13.56, 95% CI 1.98-92.81). Amongst urgent patients, a median delay of 97 days (IQR 16,307) from significant MR diagnosis to TEER referral was noted, despite > 80% specialist involvement. During delays, 14 (67%) patients had ≥ 1 pre-TEER HF admission. CONCLUSION: In a new regional program, urgent TEER was associated with increased 1 year mortality and HF readmissions. Preprocedural HF admissions were common with delayed TEER referral, suggesting further study to determine whether referral expediency can lessen patient acuity and improve 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| 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 ».