Impact of pre-procedural requirements on time to aortic valve replacement: Transcatheter AVR vs surgical AVR
Notice bibliographique
Résumé
Background/objective: This study aims to understand the extent that cardiac specialist visits and imaging requirements contribute to the difference in time to Aortic valve replacement (AVR) stratified by approach transcatheter AVR (TAVR) and surgical AVR (SAVR). Methods: Optum Market Clarity Data was used to identify patients with clinically significant AS (CSAS) who received an AVR between 2016 and 2023 and whose AVR occurred within two years of their CSAS diagnosis. Patient characteristics were measured at baseline; pre-procedural factors, including the number of cardiac specialist visits and imaging events, were measured from CSAS diagnosis to AVR (TAVR vs SAVR). Stepwise generalized linear models were used to assess whether the number of cardiac specialist visits and imaging events contribute to the differences in time to TAVR and SAVR, after adjusting for baseline characteristics. Results: Of the 14,225 patients in the cohort, 42 % received a TAVR. Compared to the SAVR cohort, the TAVR cohort was, on average, more male, older, sicker, and had more Medicare enrollees. TAVR patients had approximately two times more cardiac specialist visits (3.73 vs 6.37) and imaging events (1.18 vs 2.07) than SAVR patients. Time to TAVR is 65 days longer (RR = 1.77, 1.67-1.87) than SAVR, after adjustment for patient characteristics. This difference reduces to 11 days (RR = 1.12, 1.07-1.17) after accounting cardiac specialist encounters and imaging events. Discussion: Pre-procedural encounters significantly contribute to the longer time to AVR for TAVR patients. Findings suggest a need for streamlining the pre-procedural process for TAVR to enhance timely care delivery for CSAS 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».