Impact of Modifiable Bleeding Risk Factors on Major Bleeding in Patients With Atrial Fibrillation Anticoagulated With Rivaroxaban
Notice bibliographique
Résumé
Background Reducing major bleeding events is a challenge when managing anticoagulation in patients with atrial fibrillation. This study evaluated the impact of modifiable and nonmodifiable bleeding risk factors in patients with atrial fibrillation receiving rivaroxaban and estimated the impact of risk factor modification on major bleeding events. Methods and Results Modifiable and nonmodifiable risk factors associated with major bleeding events were identified from the XANTUS (Xarelto for Prevention of Stroke in Patients With Atrial Fibrillation) prospective registry data set (6784 rivaroxaban-treated patients). Parameters showing univariate association with bleeding were used to construct a multivariable model identifying independent risk factors. Modeling was used to estimate attributed weights to risk factors. Heavy alcohol use (hazard ratio [HR]=2.37; 95% CI 1.24-4.53); uncontrolled hypertension (HR after parameter-wise shrinkage=1.79; 95% CI 1.05-3.05); and concomitant treatment with antiplatelets, nonsteroidal anti-inflammatory drugs, or paracetamol (HR=1.80; 95% CI 1.24-2.61) were identified as modifiable, independent bleeding risk factors. Increasing age (HR=1.25 [per 5-year increment]; 95% CI 1.12-1.38); heart failure (HR=1.97; 95% CI 1.36-2.86); and vascular disease (HR=1.91; 95% CI 1.32-2.77) were identified as nonmodifiable bleeding risk factors. Overall, 128 (1.9%) patients experienced major bleeding events; of these, 11% had no identified bleeding risk factors, 50% had nonmodifiable bleeding risk factors only, and 39% had modifiable bleeding risk factors (with or without nonmodifiable risk factors). The presence of 1 modifiable bleeding risk factor doubled the risk of major bleeding. Conclusions Elimination of modifiable bleeding risk factors is a potentially effective strategy to reduce bleeding risk in atrial fibrillation patients receiving rivaroxaban. Clinical Trial Registration URL: http://www.clinicaltrials.gov. Unique identifier: NCT01606995.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».