Management of atrial fibrillation in the emergency room and in the cardiology ward: the BLITZ AF study
Notice bibliographique
Résumé
AIMS: To assess the number of admissions to the emergency room (ER) of patients with atrial fibrillation (AF) or atrial flutter (af) and their subsequent management. To evaluate the clinical profile and the use of antithrombotics and antiarrhythmic therapy in patients with AF admitted to cardiology wards. METHODS AND RESULTS: BLITZ-AF is a multicentre, observational study conducted in 154 centres on patients with AF/af. In each centre, data were collected, retrospectively for 4 weeks in ER and prospectively for 12 weeks in cardiology wards. In ER, there were 6275 admissions. Atrial fibrillation was the main diagnosis in 52.9% of the cases, af in 5.9%. Atrial fibrillation represented 1.0% of all ER admissions and 1.7% of all hospital admissions. A cardioversion has been performed in nearly 25% of the cases. Out of 4126 patients, 52.2% were admitted in cardiology ward; mean age was 74 ± 11 years, 41% were females. Patients with non-valvular AF were 3848 (93.3%); CHA2DS2-VASc score was ≥2 in 87.4%. Cardioversion was attempted in 38.8% of the patients. In-hospital mortality was 1.2%. At discharge, 42.6% of the patients were treated with vitamin K antagonists, 39.5% with direct oral anticoagulants, 13.6% with other antithrombotic drugs, and 4.2% did not take any antithrombotic agent. Rate control strategy was pursued in 47.2%, rhythm control in 44.0%, 45.6% were discharged in sinus rhythm. CONCLUSION: Atrial fibrillation still represents a significant burden on health care system. Oral anticoagulant use increased over time even if compliance with guidelines, with respect to prevention of the risk of stroke, remains suboptimal.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».