Abstract 22: Incidence Rate of Atrial Fibrillation in Cryptogenic Stroke: Results From the Reveal LINQ Real-World Registry
Notice bibliographique
Résumé
Objectives: To determine the incidence rate of AF in real-world patients with prior cryptogenic stroke (CS) or transient ischemic attack (TIA) and to assess the impact of using an insertable cardiac monitor (ICM) on treatments. Methods: The Reveal LINQ registry is an ongoing, observational, multi-center study evaluating the role of the ICM in the patient care pathway. Patients with prior CS or TIA were included. Patients without device data or without any contact after ICM insertion, with a history of AF, prior known atrial ablation, or hemorrhagic stroke were excluded. Device data were adjudicated by at least 2 independent reviewers. Patients were considered to have AF if they had a ≥2 min episode, and to not have AF if no AF was found after 1 year of monitoring. Patients without AF and without 1 year of follow-up were excluded from the general analysis due to limited follow-up time but were included in the AF incidence rates calculation for completeness. Results: In total, 192 patients (61±14 years, 61% male, mean CHA2DS2-VASc score 3.8±1.4) from 29 centers in 8 countries were included. Reasons for monitoring were CS (96%) and TIA (4%). During an average follow-up of 19±6 months, AF was detected in 36 (19%) patients and the incidence of first episode of AF ≥2 min, ≥1 h, ≥6 h, and ≥24 h was 16.7%, 7.9%, 3.7% and 1.7% at 24 months, respectively (figure). Patients with AF were older (68±14 years vs. 60±14, p<0.001). Anticoagulant treatment was initiated in 29 (15%) patients during follow-up , while 14 of 45 initially on anticoagulants discontinued the treatment (13 were free of AF after 1-year follow-up and 1 had a single episode). Other AF-related clinical actions included ablations in 5 patients (2.6%), 1 electrical cardioversion (0.5%) and 3 IPG implants (1.6%). Conclusion: ICM monitoring in cryptogenic stroke/TIA patients is currently being used by clinicians for treatment decisions, but the impact on clinical events and quality of life requires ongoing investigation.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».