Cardiovascular risk following transient vision loss
Notice bibliographique
Résumé
BACKGROUND/AIMS: To evaluate short- and long-term cardiovascular risk following a first diagnosis of transient vision loss (TVL) compared with matched controls using the TriNetX research network. METHODS: Patients with an incident diagnosis of TVL were retrospectively identified and 1:1 propensity score matched to controls with dry eye syndrome. Primary outcomes included major adverse cardiovascular events (MACE), stroke, myocardial infarction (MI), ventricular arrhythmias, venous thromboembolism (VTE), hospitalisation and all-cause mortality. Cox proportional hazards models estimated hazard ratios (HRs) from 14 days to 10 years. Subgroup analyses evaluated patients free of events at 90 days and 1 year. RESULTS: After matching, 37 750 patients were included in each cohort. Mean (SD) age was 56.8 (16.8) years in the TVL cohort (59.7% female) and 56.6 (16.3) years in the control cohort (58.9% female). Within 14 days, stroke risk increased over 21-fold (HR 21.7; 95% CI 13.4 to 37.4), MACE nearly 10-fold (HR 9.80; 95% CI 7.19 to 13.34), arrhythmia over fourfold (HR 4.01; 95% CI 2.72 to 5.90), MI fivefold (HR 5.00; 95% CI 1.92 to 12.06) and hospitalisation nearly fourfold (HR 3.83; 95% CI, 3.52 to 4.17) compared with controls. VTE risk was modest and transient, with no elevation beyond 5 years and all-cause mortality was not elevated at any time point. Among patients' event-free at 90 days or 1 year, elevated long-term risk persisted up to 10 years for MACE, stroke, arrhythmiaand hospitalisation. CONCLUSIONS: TVL is associated with increased short- and long-term risks of MACE, stroke, MI, arrhythmia and hospitalisation, warranting prompt systemic evaluation and long-term monitoring.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».