Atrial fibrillation symptom profiles associated with healthcare utilization: A latent class regression analysis
Notice bibliographique
Résumé
BACKGROUND: Symptoms drive healthcare use among adults with atrial fibrillation, but limited data are available regarding which symptoms are most problematic and which patients are most at-risk. The purpose of this study was to: (1) identify clusters of patients with similar symptom profiles, (2) characterize the individuals within each cluster, and (3) determine whether specific symptom profiles are associated with healthcare utilization. METHODS: We conducted a cross-sectional secondary data analysis of 1,501 adults from the Vanderbilt Atrial Fibrillation Registry. Participants were recruited from Vanderbilt cardiology clinics, emergency department, and in-patient services. Subjects included in our analysis had clinically verified atrial fibrillation and a completed symptom survey. Symptom and healthcare utilization data were collected with the University of Toronto Atrial Fibrillation Severity Scale. Latent class regression analysis was used to identify symptom clusters, with clinical and demographic variables included as covariates. We used Poisson regression to examine the association between latent class membership and healthcare utilization. RESULTS: Participants were predominantly male (67%) with a mean age of 58.4 years (±11.9). Four latent classes were evident, including an Asymptomatic cluster (N = 487, 38%), Highly Symptomatic cluster (N = 142, 11%), With Activity cluster (N = 326, 25%), and Mild Diffuse cluster (N = 336, 26%). Highly Symptomatic membership was associated with the greatest rate of emergency department visits and hospitalizations (incident rate ratio 2.4, P < 0.001). CONCLUSIONS: Clinically meaningful atrial fibrillation symptom profiles were identified that were associated with increased rates of emergency department visits and hospitalizations.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».