Effects of Dronedarone on Clinical Outcomes in Patients with Lone Atrial Fibrillation: Pooled Post Hoc Analysis from the ATHENA/EURIDIS/ADONIS Studies
Notice bibliographique
Résumé
INTRODUCTION: Dronedarone has been shown to reduce cardiovascular hospitalizations or death in patients with atrial fibrillation (AF) and additional risk factors. This post hoc exploratory analysis examines its effects in the subgroup of lone AF patients. METHODS AND RESULTS: Individual data from patients with lone AF enrolled in the EURIDIS, ADONIS, and ATHENA trials were entered in a central database. The effects of dronedarone compared to placebo on the composite endpoint of cardiovascular hospitalizations or death, and their individual components, were evaluated. A total of 432 (192 placebo and 240 dronedarone) patients (7% of the total population) were classified as having lone AF (69.4% male patients, mean age 64 ± 13 years). The patients were followed for 13.8 ± 7.2 months. The risk for first cardiovascular hospitalizations or death from any cause in the placebo group after 1 year was 25% in the lone AF group compared to 29% the rest of the population. For patients with lone AF, dronedarone led to a 44% reduction of cardiovascular hospitalizations or death (hazard ratio (HR) 0.56; 95%CI 0.36-0.88, P = 0.004) and to a 46% reduction in cardiovascular hospitalizations alone (HR 0.54; 95%CI 0.34-0.87, P = 0.004) compared to placebo. HR for all-cause mortality was 1.02 (95%CI 0.31-3.34, P = 0.885). All findings were homogeneous across the 3 studies and similar to those observed in the overall population. CONCLUSION: According to this post hoc analysis, patients with lone AF have a high risk for cardiovascular hospitalization within 1 year. Dronedarone when added to standard of care reduces the risk of cardiovascular hospitalizations in this population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| 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 | 0,000 |
| 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 ».