MétaCan
Menu
← Retour à la cohorte
Enregistrement W2896276115 · doi:10.1161/circ.134.suppl_1.13826

Abstract 13826: Atrial Fibrillation Symptom Clusters Increase Hospitalizations and Emergency Department Visits

2016· article· en· W2896276115 sur OpenAlexaboutno aff
Megan M. Streur, Sarah J. Ratcliffe, M. Benjamin Shoemaker, Bárbara Riegel

Notice bibliographique

RevueCirculation · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineEmergency departmentAtrial fibrillationEmergency medicineMedical emergencyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Symptoms are a predictor of hospitalizations in adults with atrial fibrillation (AF). Symptom clusters are groups of two or more symptoms that are related due to shared mechanisms or a shared impact on outcomes. The impact of AF specific symptom clusters on hospitalization and emergency department (ED) visits has not previously been examined. Hypothesis: We assessed the hypothesis that symptom clusters were associated with AF-related hospitalizations and ED visits. Methods: We examined pre-existing data for 1,501 adults in the Vanderbilt AF Registry, a clinical biorepository that prospectively enrolls both AF patients and their family members. Our sample consists of subjects with confirmed AF and a completed symptom survey (derived from the University of Toronto AF Severity Scale, Chronbach’s α for symptom burden is 0.94). Seven common AF symptoms were measured on a 5 point Likert scale. Our outcomes were self-reported number of AF-related hospitalizations and ED visits in the past 12 months. To identify symptom clusters we used hierarchical cluster analysis, Ward’s method, and Euclidean distance as the dissimilarity measure. The ideal number of clusters was determined with dendrograms, pseudo F, and pseudo T. We used Poisson regression to examine whether the identified clusters were associated with hospitalization and ED visit rates controlling for clinical characteristics. Results: Our sample was primarily male (67%) and Caucasian (96%) with a mean age of 58.4 (± 12.2) years. Two symptom clusters were identified, which we labeled the At Rest cluster (fatigue at rest, shortness of breath at rest, chest pain, and dizziness) and the With Activity cluster (shortness of breath with activity and exercise intolerance). Palpitations was the only symptom that did not cluster with other symptoms. Subjects who experienced all the symptoms in the At Rest cluster had an adjusted incident rate ratio for hospitalizations of 1.9 (p<0.0001) and for ED visits of 2.8 (p<0.0001). There was no statistically significant association between the With Activity cluster and either clinical outcome. Conclusion: We identified two AF-specific symptom clusters. Only the At Rest cluster was significantly associated with AF-related hospitalizations and ED visits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,366
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→