Optimum lesion set and predictors of outcome in persistent atrial fibrillation ablation: a meta-regression analysis
Notice bibliographique
Résumé
AIMS: Ablation of persistent atrial fibrillation (PsAF) has been performed by many techniques with varying success rates. This may be due to ablation techniques, patient demographics, comorbidities, and trial design. We conducted a meta-regression of studies of PsAF ablation to elucidate the factors affecting atrial fibrillation (AF) recurrence. METHODS AND RESULTS: Databases were searched for prospective studies of PsAF ablation. A meta-regression was performed. Fifty-eight studies (6767 patients) were included. Complex fractionated atrial electrogram (CFAE) ablation reduced freedom from AF by 8.9% [95% confidence interval (CI) -15 to -2.3, P = 0.009). Left atrial appendage [LAA isolation (three study arms)] increased freedom from AF by 39.5% (95% CI 9.1-78.4, P = 0.008). Posterior wall isolation (PWI) (eight study arms) increased freedom from AF by 19.4% (95% CI 3.3-38.1, P = 0.017). Linear ablation or ganglionated plexi ablation resulted in no significant effect on freedom from AF. More extensive ablation increased intraprocedural AF termination; however, intraprocedural AF termination was not associated with improved outcomes. Increased left atrial diameter was associated with a reduction in freedom from AF by 4% (95% CI -6.8% to -1.1%, P = 0.007) for every 1 mm increase in diameter. CONCLUSION: Linear ablation, PWI, and CFAE ablation improves intraprocedural AF termination, but such termination does not predict better long-term outcomes. Study arms including PWI or LAA isolation in the lesion set were associated with improved outcomes in terms of freedom from AF; however, further randomized trials are required before these can be routinely recommended. Left atrial size is the most important marker of AF chronicity influencing outcomes.
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) | 0,003 | 0,003 |
| 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) | 0,000 | 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 ».