Abstract P6: Vitamin K Antagonist Dosing Methods and Individual Patient Quality of INR Control in the International Active W Anticoagulation Study
Notice bibliographique
Résumé
Background The net benefit of vitamin K antagonists (VKAs) depends on the time spent in the therapeutic range (TTR) for the International Normalized Ratio in individual patients. Evidence-based methods are recommended by guidelines. We assessed VKA dosing methods among ACTIVE W study sites and the association with TTR in individual atrial fibrillation patients. Methods ACTIVE W sites received a survey questionnaire after the study to assess VKA dosing methods. Univariable and multivariable linear mixed models, to account for the random effect of clinic-level survey data, were used to assess the association of dosing methods with patient TTR. Patient-level covariates in multivariable analysis were: age, sex, CHADS 2 stroke risk score, mini-mental state examination score, history of VKA use, VKA type, and use of aspirin, amiodarone and insulin. Results The questionnaire was returned by 333 of 493 ACTIVE W sites (68%) who had at least one patient randomized to VKA. Responding sites had a higher mean study TTR than non-responding sites (64 vs. 60%; p=0.0101) and were mainly specialized in cardiology (87%). Only 28% of sites managed VKA dosing with an evidence-based method: an anticoagulation clinic, computer dosing system or patient self-management. Also taking in account (non-validated) manual algorithms, 64% of sites managed VKA dosing primarily based on clinical experience. In univariable analysis, patients achieved a higher TTR when managed by an anticoagulation clinic vs. by the study physician (67.3 vs. 62.1%; p=0.0027), when managed using a computer dosing system vs. using clinical experience (72.9 vs. 63.6%; p=0.0026), and when managed using at least one evidence-based method vs. not using evidence-based methods (67.3 vs. 62.8%; p=0.0045). However, when adding patient data in multivariable analysis, these three associations became non-significant (p-values 0.4659, 0.6555 and 0.6058, respectively). Conclusion The use of evidence-based VKA dosing methods was reported by only 28% of ACTIVE W sites, but was not significantly associated with an improved TTR when accounting for patient characteristics.
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 | 0,005 | 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 ».