P3616optimal INR level to prevent stroke and bleeding in patients with rheumatic mitral stenosis and atrial fibrillation
Notice bibliographique
Résumé
Background: Even though guidelines recommend the target INR level between 2.0 and 3.0 for patients with atrial fibrillation (AF), the evidences in subgroup of patient with valvular AF are limited and the optimal INR level has not been clarified thoroughly as yet, especially in Asian population where studies in patents with nonvalvular AF have shown that the INR level as low as 1.5 could be optimal to prevent thromboembolism without increasing major hemorrhage. Purpose: To determine the optimal INR level to prevent stroke and bleeding in patients with rheumatic mitral stenosis and AF who are receiving warfarin. Methods: This is a retrospective study which enrolled consecutive patients with the ICD coding of rheumatic mitral stenosis and AF who received warfarin at King Chulalongkorn Memorial Hospital between January 1, 2010 and December 31, 2015. The lNR level at the time of the event, the numbers of ischemic stroke and bleeding events were collected. The time density in each INR level, which take consideration of INR level and duration, was used for analysis. The INR range was classified into 6 groups (<1.50, 1.50–1.99, 2.00–2.49, 2.50–2.99, 3.00–3.49 and ≥3.5). The incidence density of ischemic stroke and bleeding events in each INR group was calculated.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 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) | 0,001 | 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 ».