Impact of Periprocedural Risk Predictors on Long-Term Outcomes in Patients with Diabetes Undergoing Coronary Artery Bypass Grafting
Notice bibliographique
Résumé
Background and Objectives: In this study, we aim to analyze the impact of risk predictors on long-term outcomes in patients with diabetes undergoing isolated coronary artery bypass grafting (CABG). Materials and Methods: All consecutive patients undergoing isolated CABG between May 2005 and June 2021 were included in the study. Patients with and without diabetes were compared for baseline demographics and pre-operative characteristics. A propensity-matched analysis was used to compare the two groups. The primary outcome was long-term incidence of all-cause death. Results: Of a total of 4871 patients, propensity matching identified 1589 pairs of patients with and without diabetes that were included in the current study. Median follow-up was 5.8 years. All-cause death was recorded in 215/1589 (13.5%) vs. 169/1589 (10.6%) patients with and without diabetes, respectively (HR 1.3, p = 0.013). MACCE was also significantly higher in diabetic patients (HR 1.3, p = 0.049). Diabetes mellitus was identified as one of the independent predictors for all-cause mortality (HR 1.4, CI 1.2, 1.7) and MACCE (HR 1.2, CI 1.0, 1.3). Chronic obstructive pulmonary disease, peripheral vascular disease, and serum creatinine levels >2.0 mg/dL were found to be the only predictors of all-cause mortality in both diabetic and non-diabetic patient groups, when individually analyzed. Conclusions: Patients with diabetes undergoing isolated CABG had a significantly higher incidence of late all-cause death and MACCE compared to those without diabetes. The presence of diabetes mellitus predicts poorer long-term outcomes following CABG.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».