Meta‐Analysis to Assess the Appropriate Endpoint for Slow Pathway Ablation of Atrioventricular Nodal Reentrant Tachycardia
Notice bibliographique
Résumé
BACKGROUND: There are little data on the appropriate endpoint for slow pathway ablation that balances acceptable procedural times, recurrence rates, and complication rates. This study compared recurrence rates of three commonly utilized endpoints of slow pathway ablation for atrioventricular nodal reentrant tachycardia (AVNRT). METHODS: We performed a meta-analysis of AVNRT slow pathway ablation cohorts by searching electronic databases, the Internet, and conference proceedings. Inclusion criteria were age >18 years, >20 human subjects per study, primary AVNRT ablation, English language publication, and >1 month of follow-up. Data were analyzed with a fixed-effects model using Comprehensive Meta-Analysis software version 2.2.046 (Biostat, Englewood, NJ, USA). RESULTS: We included 10 studies encompassing 1,204 patients with a mean age of 41-53 years. Endpoints were complete slow pathway ablation, residual jump only, and single remaining echo beat. Pooled estimates revealed 28 of 641 patients (4.4%) with complete slow pathway ablation, 13 of 192 patients (6.8%) with a residual jump only, and 24 of 371 patients (6.5%) with one echo had recurrences. With uniform isoproterenol use after ablation, there was no significant difference in recurrence rates among the endpoints. However, when isoproterenol was utilized after ablation only if needed to induce AVNRT before ablation, a significantly higher recurrence rate occurred in patients with a residual jump (P = 0.002), a single echo (P = 0.003), or the combined group of a residual jump and/or one echo (P = 0.001). CONCLUSIONS: Isoproterenol should be used routinely after slow pathway modification, when a residual jump and/or single echo remain.
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) | 0,006 | 0,007 |
| 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 | 0,001 | 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 ».