Evolving antithrombotic treatment patterns for patients with newly diagnosed atrial fibrillation
Notice bibliographique
Résumé
Objective We studied evolving antithrombotic therapy patterns in patients with newly diagnosed non-valvular atrial fibrillation (AF) and ≥1 additional stroke risk factor between 2010 and 2015. Methods 39 670 patients were prospectively enrolled in four sequential cohorts in the Global Anticoagulant Registry in the FIELD-Atrial Fibrillation (GARFIELD-AF): cohort C1 (2010–2011), n=5500; C2 (2011–2013), n=11 662; C3 (2013–2014), n=11 462; C4 (2014–2015), n=11 046. Baseline characteristics and antithrombotic therapy initiated at diagnosis were analysed by cohort. Results Baseline characteristics were similar across cohorts. Median CHA 2 DS 2 -VASc (cardiac failure, hypertension, age ≥75 (doubled), diabetes, stroke (doubled)-vascular disease, age 65–74 and sex category (female)) score was 3 in all four cohorts. From C1 to C4, the proportion of patients on anticoagulant (AC) therapy increased by almost 15% (C1 57.4%; C4 71.1%). Use of vitamin K antagonist (VKA)±antiplatelet (AP) (C1 53.2%; C4 34.0%) and AP monotherapy (C1 30.2%; C4 16.6%) declined, while use of non-VKA oral ACs (NOACs)±AP increased (C1 4.2%; C4 37.0%). Most CHA 2 DS 2 -VASc ≥2 patients received AC, and this proportion increased over time, largely driven by NOAC prescribing. NOACs were more frequently prescribed than VKAs in men, the elderly, patients of Asian ethnicity, those with dementia, or those using non-steroidal anti-inflammatory drugs, and current smokers. VKA use was more common in patients with cardiac, vascular, or renal comorbidities. Conclusions Since NOACs were introduced, there has been an increase in newly diagnosed patients with AF at risk of stroke receiving guideline-recommended therapy, predominantly driven by increased use of NOACs and reduced use of VKA±AP or AP alone. Trial registration number NCT01090362; Pre-results.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».