Decisional algorithm to prescribe vitamin K antagonist in geriatric patients with atrial fibrillation
Notice bibliographique
Résumé
Preventing atrial fibrillation (AF) complications relies mainly on anticoagulant therapy. Still it is difficult to prescribe vitamin K antagonists (VKA) in geriatric patients with AF. In order to improve anticoagulation decision in this disease, we set up an algorithm. Charts of all patients with AF hospitalized between February and May 2012 were reviewed. Patients treated with anticoagulation for another indication (venous thromboembolism disease, prosthetic valve) were excluded. Algorithm was built-up with 6 criteria (past bleeding with VKA, autonomy (GIR score), MMSE score, risk of falls, co-morbidities index). Each criterion had a score (0, 0.5, 1 point) according to an intensity scale (light, moderate, high). The final algorithm composite score led to the prescription or not of VKA. Patients were followed-up during 6 months after discharge. One hundred and fifty-three patients were included, mean age 86.1 ± 5.6 years; 67.3% had a GIR score ≤3, 70.6% MMSE score < 23, and 83.7% a moderate risk of falls. According to the algorithm, 92 patients (60.1%) had a VKA prescription. Prescription was significantly less prescribed in the oldest old (p=0.02). Follow-up showed 4 bleeding events without any link with VKA prescription. Thirty-four patients died (22.2%), among 24 (34.4%) who did not have VKA (p=0.005). The algorithm improves VKA prescription according to an objective evaluation and probably prevents the prescription in the patients with the worse short term prognosis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».