Nghiên cứu tác động của tình trạng suy yếu đến các biến cố bất lợi trong thời gian nằm viện ở bệnh nhân cao tuổi mắc hội chứng động mạch vành cấp
Notice bibliographique
Résumé
Mục tiêu: Khảo sát tỷ lệ suy yếu theo thang điểm suy yếu lâm sàng của Canada (Clinical Frail Scale - CFS) và mối liên quan với các biến cố bất lợi tại bệnh viện ở người cao tuổi mắc hội chứng động mạch vành cấp. Đối tượng và phương pháp: Nghiên cứu tiến cứu, quan sát, tiến hành trong thời gian từ tháng 02/2021 đến tháng 09/2022, tại Viện Tim mạch Việt Nam, Bệnh viện Bạch Mai. Bệnh nhân trên 60 tuổi, được chẩn đoán hội chứng động mạch vành cấp, được đánh giá tình trạng suy yếu theo thang điểm CFS và theo dõi các biến cố bất lợi trong thời gian nằm viện. Các biến cố bất lợi tại Bệnh viện bao gồm: Tử vong, tai biến mạch não, viêm phổi mắc phải, rối loạn nhịp tim, xuất huyết nặng. Các biến cố lâm sàng thực (Net adverse clinical events - NACE) được định nghĩa là biến gộp của tử vong, tai biến mạch não và xuất huyết nặng. Kết quả: 145 bệnh nhân, độ tuổi trung bình: 72,68 ± 6,28. Tỷ lệ suy yếu là 36,55%. Các bệnh đi kèm phổ biến nhất là tăng huyết áp (80,0%), đái tháo đường (33,10%), suy tim (15,86%), rối loạn lipid máu (13,10%) và tiền sử đột quỵ trước đó (10,34%). So với nhóm bệnh nhân cao tuổi không suy yếu, nhóm cao tuổi suy yếu có nguy cơ cao hơn đáng kể về biến cố bất lợi tại bệnh viện (OR = 2,32; CI 95%: 1,08-5,01) và biến cố lâm sàng thực (OR = 5,27; CI 95%: 1,28-21,65). Kết luận: Tình trạng suy yếu khá thường gặp, chiếm 36,55% và là một yếu tố nguy cơ đáng kể dẫn đến gia tăng các biến cố bất lợi ở người bệnh cao tuổi mắc hội chứng động mạch vành cấp.
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 | 0,020 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».