Randomized Crossover Comparison of DDDR Versus VDD Pacing After Atrioventricular Junction Ablation for Prevention of Atrial Fibrillation
Notice bibliographique
Résumé
BACKGROUND: Some clinical data suggest that atrial-based pacing prevents paroxysmal atrial fibrillation (AF). This study tested the hypothesis that DDDR pacing compared with VDD pacing prevents AF after atrioventricular (AV) junction ablation. METHODS AND RESULTS: Patients were randomized to DDDR pacing (n=33) or to VDD pacing (n=34) after AV junction ablation and followed every 2 months for 6 months. Patients then crossed over to the alternate pacing mode and were followed for an additional 6 months. Primary analysis included the time to first recurrence of sustained AF (duration >5 minutes), total AF burden, and the development of permanent AF. The time to first episode of AF was similar in the DDDR group (0.37 days, 95% CI 0.1 to 1.3 days) and the VDD pacing group (0.5 days, 95% CI 0.2 to 1.7 days, P=NS). AF burden increased over time in both groups (P<0.01). At the 6-month follow-up, AF burden was 6.93 h/d (95% CI 4. 37 to 10.96 h/d) in the DDDR group and 6.30 h/d (95% CI 3.99 to 9.94 h/d) in the VDD group (P=NS). Twelve (35%) patients in the DDDR group and 11 (32%) patients in the VDD group had permanent AF within 6 months of ablation. Within 1 year of follow-up, 43% of patients had permanent AF. CONCLUSIONS: DDDR pacing compared with VDD pacing does not prevent paroxysmal AF over the long term in patients in the absence of antiarrhythmic drug therapy after total AV junction ablation. Many patients have permanent AF within the first year after ablation.
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) | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».