Detection of occult atrial fibrillation in patients with embolic stroke of uncertain source: a work in progress
Notice bibliographique
Résumé
Atrial fibrillation accounts for a substantial proportion of ischemic strokes of known etiology and may be responsible for an additional subset of the 25-40% of strokes of unknown cause (so-called cryptogenic). Oral anticoagulation is significantly more effective than antiplatelet therapy in the secondary prevention of atrial fibrillation-related strokes, providing justification for developing more sensitive approaches to detecting occult paroxysms of atrial fibrillation. In this article, we summarize the current state of knowledge regarding the value of in-hospital and out-patient monitoring for detecting atrial fibrillation in the context of cryptogenic stroke. We review the evidence for and against screening with standard Holter monitors, external loop recorders, the newer real-time continuous attended cardiac monitoring systems, cardiac implantable electronic devices, and insertable loop recorders. We review key questions regarding prolonged cardiac arrhythmia monitoring, including the relationship between duration of the atrial fibrillation episode and risk of thromboembolism, frequency of monitoring and its impact on the diagnostic yield in detecting occult or subclinical atrial fibrillation, and the temporal proximity of device-detected atrial fibrillation to stroke events. We conclude by proposing avenues for further research.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 ».