Associations with anticoagulation: a cross-sectional registry-based analysis of stroke survivors with atrial fibrillation
Notice bibliographique
Résumé
OBJECTIVE: To describe vitamin K antagonist (VKA) anticoagulation prescribing patterns in stroke survivors with atrial fibrillation (AF), with particular emphasis on sociodemographic associations with VKA prescription. METHODS: We conducted a cross-sectional analysis of city-wide Glasgow primary care data held as part of the Local Enhanced Services (LES) for the year 2010. We collated clinical and sociodemographic data of community-dwelling ischaemic stroke survivors with AF, including risk factors; comorbidity; socioeconomic status and prescribing. We described stroke risk and bleeding risk using recommended stratification tools (CHA2DS2-VASC and HAS-BLED). Univariate and multivariate associations with anticoagulant prescription were described by ORs and corresponding 95% CI. RESULTS: We identified 3429 community-dwelling, ischaemic stroke survivors with AF; median age 78 (IQR 72-84); 1699 (49%) male. Median CHA2DS2-VASC score was 5 (IQR 4-6). VKA was prescribed in 1165 (34%). On univariate analysis, higher CHA2DS2-VASC was associated with fewer VKA prescriptions (OR 0.90, 95% CI 0.45 to 0.95). On multivariate analysis, older age (OR 0.97, 95% CI 0.96 to 0.98) and higher deprivation scores (OR 0.59, 95% CI 0.57 to 0.76) were independently associated with non-prescription of VKA. CONCLUSIONS: Anticoagulation was underused in this high-risk population, and those at highest risk were less likely to be treated. Strategies need to be developed to improve prescription of anticoagulation treatment.
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) | 0,000 | 0,000 |
| 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 ».