Abstract 18936: Can Biomarkers Improve Risk Stratification of Atrial Fibrillation Patients? Analysis of 3578 Aspirin-treated Patients in ACTIVE and AVERROES
Notice bibliographique
Résumé
Oral anticoagulants (OAC) reduce thromboembolism (TE) in atrial fibrillation (AF) but increase the risk of bleeding. Current approaches to risk stratification emphasize high sensitivity for stroke (>90%) but results in poor specificity (<20%), potentially exposing some patients unnecessarily to an increased risk of bleeding. NT-proBNP, D-dimer, and troponin predict stroke in anticoagulated AF patients, but it is unknown whether they can improve the specificity of selecting patients for OAC therapy. We analyzed rates of non-hemorrhagic stroke or systemic embolism according to baseline NT-proBNP, D-dimer, and troponin in 3578 aspirin-treated patients with CHA2DS2-VASc ≥1. Using the 1st quartile as a cut-off, we calculated hazard ratios (HR) of high vs low biomarker levels, adjusting for CHA2DS2-VASc factors. We used a Cox model to assess TE risk prediction with CHA2DS2-VASc compared with CHA2DS2-VASc plus biomarkers. Based on efficacy and safety data from AVERROES, we estimated the net clinical impact (addi...
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».