Long-term vitamin K antagonists treatment patterns of Non-Valvular Atrial Fibrillation (NVAF): a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Recent trends in vitamin K antagonists (VKA) use in non-valvular atrial fibrillation (NVAF) are useful to evaluate the potential improvement in management of NVAF since the introduction of new oral anticoagulants. Our objective was therefore to describe the contemporary VKA treatment patterns following NVAF diagnosis. METHODS AND RESULTS: We used the computerized databases of the Régie de l'assurance maladie du Québec (RAMQ), responsible for administering the universal health care services for all its residents, to identify a population-based cohort of 135,241 patients with an incident diagnosis of NVAF during 2000-2009 and RAMQ medication coverage. Following NVAF diagnosis, 47.1 % of the patients were prescribed VKA, 35.5 % received an antiplatelet only, and 17.4 % did not initiate antithrombotic therapy. The proportion of patients initiating VKA within 3 months of diagnosis increased from 33 % to 39 % over the 10-year study period, mainly driven by a higher proportion of treated patients aged 80 or more (from 29 % to 41 %). At the end of the study period, women were prescribed VKA as frequently as men, except in the subgroup of patients with a low risk of ischemic stroke. The median time from VKA initiation to the first discontinuation varied greatly according to the definition of discontinuation, ranging from 11 months to 5.7 years. CONCLUSION: Although VKA remain underused after NVAF diagnosis, there has been an increase in VKA treatment over the last decade, particularly among older patients. Also the gap in treatment between men and women has been closing within the last decade. Once initiated, most VKA interruptions were temporary rather than definitive.
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) | 0,001 | 0,002 |
| 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 ».