Abstract TP526: Can Electronic Alerts Improve Oral Anticoagulant Use in Elderly Atrial Fibrillation Patients?
Notice bibliographique
Résumé
Background: Oral anticoagulant (OAC) for atrial fibrillation use remains underutilized despite evidence in favor of its utility. In a three-center study examining the efficacy of a technological intervention to improve OAC use, two sites were randomly selected to incorporate an embedded alert in the electronic health record (EHR) while the third site provided usual care. At the intervention sites, the EHR calculated each patient’s CHA 2 DS 2 -VASc score and alerted the clinician when OAC therapy was recommended. We aimed to investigate whether this system increased OAC use in elderly patients. Methods: Patient medication was tracked at the time of hospitalization, discharge, and within 30 days of discharge. Patients were categorized by age and study arm to assess medication use at last known follow-up via the Chi Square and Fisher’s Exact tests. Results: The control site contained 152 patients, 65 being 75+ years of age, while the two intervention sites contained 164 patients, also with 65 patients who were 75+ years of age. Those aged 75+ show statistically significant proclivity for prior strokes (<0.001), coronary artery disease (0.04), hypertension (0.004), and lower rate of diagnosed obstructive sleep apnea (0.001). Furthermore, they tend to be females (53.9%). The median CHA 2 DS 2 -VASC score was 4 in the elderly group and 2 in the younger group (p<0.001). Use of warfarin or OACs in these two populations did not vary at baseline. At follow-up, use of warfarin was statistically significantly higher in those 75+ (21.9% vs 12.8%, p-value=0.04) but not when partitioned by study arm or when all OAC use was considered. There was no difference in OAC use between the intervention and control sites (43% vs. 54% p=0.22). Conclusions: Despite increased CHA 2 DS 2 -VASc scores, we did not demonstrate the benefit of electronic alerts among elderly AF patients. Additional research is needed regarding methods to overcome therapeutic inertia in this area. Study support: Boehringer-Ingelheim
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».