Predictors for atrial fibrillation detection after cryptogenic stroke
Notice bibliographique
Résumé
OBJECTIVE: We assessed predictors of atrial fibrillation (AF) in cryptogenic stroke (CS) or transient ischemic attack (TIA) patients who received an insertable cardiac monitor (ICM). METHODS: We studied patients with CS/TIA who were randomized to ICM within the CRYSTAL AF study. We assessed whether age, sex, race, body mass index, type and severity of index ischemic event, CHADS2 score, PR interval, and presence of diabetes, hypertension, congestive heart failure, or patent foramen ovale and premature atrial contractions predicted AF development within the initial 12 and 36 months of follow-up using Cox proportional hazards models. RESULTS: Among 221 patients randomized to ICM (age 61.6 ± 11.4 years, 64% male), AF episodes were detected in 29 patients within 12 months and 42 patients at 36 months. Significant univariate predictors of AF at 12 months included age (hazard ratio [HR] per decade 2.0 [95% confidence interval 1.4-2.8], p = 0.002), CHADS2 score (HR 1.9 per one point [1.3-2.8], p = 0.008), PR interval (HR 1.3 per 10 milliseconds [1.2-1.4], p < 0.0001), premature atrial contractions (HR 3.9 for >123 vs 0 [1.3-12.0], p = 0.009 across quartiles), and diabetes (HR 2.3 [1.0-5.2], p < 0.05). In multivariate analysis, age (HR per decade 1.9 [1.3-2.8], p = 0.0009) and PR interval (HR 1.3 [1.2-1.4], p < 0.0001) remained significant and together yielded an area under the receiver operating characteristic curve of 0.78 (0.70-0.85). The same predictors were found at 36 months. CONCLUSION: Increasing age and a prolonged PR interval at enrollment were independently associated with an increased AF incidence in CS patients. However, they offered only moderate predictive ability in determining which CS patients had AF detected by the ICM.
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 | 0,000 |
| 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 ».