Long-term effectiveness of catheter ablation in patients with atrial fibrillation and heart failure
Notice bibliographique
Résumé
AIMS: Randomized trials suggest reductions in all-cause mortality and heart failure (HF) rehospitalizations with catheter ablation (CA) in patients with atrial fibrillation (AF) and HF. Whether these results can be replicated in a real-world population with long-term follow-up or varies over time is unknown. We sought to evaluate the long-term effectiveness of CA in reducing the incidence of all-cause mortality, HF hospitalizations, stroke, and major bleeding in AF-HF patients. METHODS AND RESULTS: In a cohort of patients newly diagnosed with AF-HF in Quebec, Canada (2000-2017), CA patients were matched 1:2 to controls on time and frequency of hospitalizations. Confounders were controlled for using inverse probability of treatment weighting. Multivariable Cox models adjusted for the presence of cardiac electronic implantable devices and medication use during follow-up, and the effect of time since CA was modelled with B-splines. For non-fatal outcomes, the Lunn-McNeil approach was used to account for the competing risk of death. Among 101 933 AF-HF patients, 451 underwent CA and were matched to 899 controls. Over a median follow-up of 3.8 years, CA was associated with a statistically significant reduction in all-cause mortality [hazard ratio 0.4 (95% confidence interval 0.2-0.7)], but no difference in stroke or major bleeding. The hazard of HF rehospitalization for CA patients, relative to non-CA patients, varied with time since CA (P = 0.01), with a reduction in HF rehospitalizations until approximately 3 years post-CA. CONCLUSION: Compared with matched non-CA patients, CA was associated with a long-term reduction in all-cause mortality and a reduction in HF rehospitalizations until 3 years post-CA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».