Predisposing Factors Associated With Development of Persistent Compared With Paroxysmal Atrial Fibrillation
Notice bibliographique
Résumé
BACKGROUND: Once atrial fibrillation (AF) progresses to sustained forms, adverse outcomes increase and treatment success rates decrease. Therefore, identification of risk factors predisposing to persistence of AF may have a significant impact on AF morbidity. METHODS AND RESULTS: We prospectively examined the differential associations between traditional, lifestyle, and biomarker AF risk factors and development of paroxysmal versus nonparoxysmal AF (persistent/permanent) among 34 720 women enrolled in the Women's Health Study who were free of cardiovascular disease and AF at baseline. AF patterns were defined based on current guidelines and classified according to the most sustained form of AF within 2 years of diagnosis. During a median follow-up of 16.4 years, 690 women developed paroxysmal AF and 349 women developed nonparoxysmal AF. In multivariable time-varying competing risk models, increasing age (hazard ratio [HR] 1.11, 95% CI 1.10 to 1.13, versus HR 1.08, 1.07 to 1.09, per year), body mass index (HR 1.07, 1.05 to 1.09, versus HR 1.03, 1.02 to 1.05, per kg/m(2)), and weight (HR 1.30, 1.22 to 1.39, versus HR 1.14, 1.08 to 1.20, per 10 kg) were more strongly associated with the development of nonparoxysmal AF compared with paroxysmal AF. Hemoglobin A1c levels at baseline were directly related to the development of nonparoxysmal AF but inversely associated with paroxysmal AF in multivariable competing risk models (P for nonequal association=0.01). CONCLUSIONS: In women without AF or CVD at baseline, increasing age, adiposity, and higher hemoglobin A1c levels were preferentially associated with the early development of nonparoxysmal AF. These data raise the hypothesis that efforts aimed at weight reduction or glycemic control may affect the proportion of the population with sustained AF.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».