Is Defibrillation Testing Still Necessary? A Decision Analysis and Markov Model
Notice bibliographique
Résumé
OBJECTIVE: To assess the impact of defibrillation threshold (DFT) testing of implanted cardioverter-defibrillators (ICDs) on survival. BACKGROUND: DFT testing is generally performed during implantation of ICDs to assess sensing and termination of ventricular fibrillation. It is common clinical practice to defibrillate ventricular fibrillation twice at an output at least 10 J below the maximum output of the device, providing a 10 J safety margin. However, there are few data regarding impact of DFT testing on outcomes. METHODS: Decision analysis and Monte Carlo simulation were used to assess expected outcomes of DFT testing. Survival of a hypothetical cohort of patients was assessed according to two strategies-routine DFT testing at time of ICD implant versus no DFT testing. Assumptions in the model were varied over a range of reasonable values to assess outcomes under a variety of scenarios. RESULTS: Five-year survival with DFT and no-DFT strategies were similar at 59.72% and 59.36%, respectively. The results were not sensitive to changing risk estimates for arrhythmia incidence and safety margin. Results of the Monte Carlo simulation were qualitatively similar to the base case scenario and consistent with a small and nonsignificant survival advantage with routine DFT testing. CONCLUSIONS: The impact of DFT testing on 5-year survival in ICD patients, if it exists, is small. Survival appears higher with DFT testing as long as annual risk of lethal arrhythmia or the risk of a narrow safety margin is at least 5%, although the incremental benefit is marginal and 95% confidence intervals cross zero. A prospective randomized study of DFT testing in modern devices is warranted.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».