Abstract P131: Importance of Algorithm-Consistent Warfarin Dosing in the Quality of Anticoagulation Control in Atrial Fibrillation: A Multilevel Analysis
Notice bibliographique
Résumé
Background: The quality of anticoagulation control in AF patients on warfarin varies between countries, but the reasons are unclear. We determined the effect of algorithm-based warfarin dosing on anticoagulation control after adjusting for patient, center, and country characteristics. Patients: RE-LY trial patients with AF on warfarin. Centers with >5 patients on warfarin were included. Design: We tracked INR measurements and warfarin doses in patients. Dose adjustments were considered algorithm-consistent if they were within 5% of the recommendation made in the RE-LY warfarin nomogram. We developed a multilevel linear regression model with patients (1st level) nested in centers (2nd level), and centers nested in countries (3rd level), and examined the effect of algorithm-consistent dosing on Time in Therapeutic Range (TTR) of the INR. Results: A total of 4577 patients (62% male) from 402 centers and 40 countries were included. Considerable regional variation in mean TTR was found, ranging from 54 ± 22% in East Asian countries to 73 ± 15% in North European countries. The degree of algorithm-consistent warfarin dosing correlated with mean country TTR (r 2 =0.6) (Fig.). After adjusting for patient, center, and country variables, algorithm-consistent warfarin dosing was found to strongly predict TTR; a 1% increase in consistency with algorithm-based dosing increased mean TTR by 0.67% [0.61-0.73%, p<0.001]. Conclusion: Algorithm-consistent warfarin dosing is predictive of anticoagulation control after adjusting for patient, center, and country factors. There is potential to improve the quality of anticoagulation control by simple algorithm-based warfarin dosing.
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 | 0,002 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».