What is the Impact of Frailty on Prescription of Anticoagulation in Elderly Patients with Atrial Fibrillation? A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Atrial fibrillation (AF) and frailty are both associated with advanced age. Oral anticoagulants (OAC) effectively prevent strokes in AF patients but are underutilized in the elderly, possibly due to misperception of frailty. OBJECTIVE: We performed a systematic review to determine the prevalence of frailty in patients with AF, and whether frailty was associated with reduced prescription of OAC. METHODS: We systematically searched Cochrane, MEDLINE, EMBASE, and PubMed databases. Search terms combined relevant words and MeSH headings: 1) atrial fibrillation, 2) frail elderly, and 3) geriatric assessments. Studies that measured frailty using a validated instrument, and involved OAC for AF in frail and non-frail patients were eligible for inclusion. Pooled odds ratios were calculated using random-effects model. RESULTS: Of 166 reviewed titles, only 3 studies (1204 patients) met the inclusion criteria. Two used the Reported Edmonton Frail Scale (total 509 patients), and one used the Canadian Study of Health and Aging Clinical Frailty Scale (682 patients). All 3 studies involved hospitalized patients with an average age of 85 ± 6 and 45% were male. The weighted mean prevalence of frailty in patients with atrial fibrillation was 39% (95%CI 36-42). The weighted mean rate of OAC use was 57±11%. Frailty was associated with non-prescription of OAC compared to non-frail (OR 0.49, 95% CI 0.32-0.74, I2 =45%). CONCLUSION: The prevalence of frailty in hospitalized elderly patients with AF is high, and the use of OAC is low in these patients. Frail elderly are significantly less likely to receive OAC.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».