Cardiac monitoring for detection of atrial fibrillation after TIA: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background and purpose The detection rate of atrial fibrillation has not been studied specifically in transient ischemic attack (TIA) patients although extrapolation from ischemic stroke may be inadequate. We conducted a systematic review and meta-analysis to determine the rate of newly diagnosed atrial fibrillation using different methods of ECG monitoring in TIA. Methods A comprehensive literature search was performed following a pre-specified protocol the PRISMA statement. Prospective observational studies and randomized controlled trials were considered that included TIA patients who underwent cardiac monitoring for >12 h. Primary outcome was frequency of detection of atrial fibrillation ≥30 s. Analyses of subgroups and of duration and type of monitoring were performed. Results Seventeen studies enrolling 1163 patients were included. The pooled atrial fibrillation detection rate for all methods was 4% (95% CI: 2–7%). Yield of monitoring was higher in selected (higher age, more extensive testing for arrhythmias before enrolment, or presumed cardioembolic/cryptogenic cause) than in unselected cohorts (7% vs 3%). Pooled mean atrial fibrillation detection rates rose with duration of monitoring: 4% (24 h), 5% (24 h to 7 days) and 6% (>7 days), respectively. Yield of non-invasive was significantly lower than that of invasive monitoring (4% vs. 11%). Significant heterogeneity was observed among studies (I 2 =60.61%). Conclusion This first meta-analysis of atrial fibrillation detection in TIA patients finds a lower atrial fibrillation detection rate in TIA than reported for IS and TIA cohorts in previous meta-analyses. Prospective studies are needed to determine actual prevalence of atrial fibrillation and optimal diagnostic procedure for atrial fibrillation detection in TIA.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,001 | 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 ».