Preference-Based Antithrombotic Therapy in Atrial Fibrillation: Implications for Clinical Decision Making
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Patient preferences and expert-generated clinical practice guidelines regarding treatment decisions may not be identical. The authors compared the thresholds for antithrombotic treatment from studies that determined or modeled the treatment preferences of patients with atrial fibrillation with recommendations from clinical practice guidelines. METHODS: Methods included MEDLINE identification, systematic review, and pooling with some reanalysis of primary data from relevant studies. RESULTS: Eight pertinent studies, including 890 patients, were identified. These studies used 3 methods (decision analysis, probability tradeoff, and decision aids) to determine or model patient preferences. All methods highlighted that the threshold above which warfarin was preferred over aspirin was highly variable. In 6 of 8 studies, patient preferences indicated that fewer patients would take warfarin compared to the recommendations of the guidelines. In general, at a stroke rate of 1% with aspirin, half of the participants would prefer warfarin, and at a rate of 2% with aspirin, two thirds would prefer warfarin. In 3 studies, warfarin must provide at least a 0.9% to 3.0% per year absolute reduction in stroke risk for patients to be willing to take it, corresponding to a stroke rate of 2% to 6% on aspirin. CONCLUSIONS: For patients with atrial fibrillation, treatment recommendations from clinical practice guidelines often differ from patient preferences, with substantial heterogeneity in their individual preferences. Since patient preferences can have a substantial impact on the clinical decision-making process, acknowledgment of their importance should be incorporated into clinical practice guidelines. Practicing physicians need to balance the patient preferences with the treatment recommendations from clinical practice guidelines.
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.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,001 | 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 découle