Modifiable risk factors predict incident atrial fibrillation and heart failure
Notice bibliographique
Résumé
OBJECTIVE: Heart failure (HF) frequently complicates atrial fibrillation (AF) and significantly increases mortality risk. Limited data exist on the modifiable risk factors associated with development of HF in AF patients. METHODS: We examined two large, prospective, population-based cohorts without prior AF or HF at baseline: Malmö Preventive Project (MPP, n=32 625) and Malmö Diet and Cancer Study (MDCS, n=27 695). Using Lunn-McNeil competing risks, multivariable Cox models were constructed to determine hazard ratios (HR) and 95% confidence intervals (CI) of risk factors for incident HF with AF, and AF alone. RESULTS: ), systolic blood pressure (HR 1.20, 95% CI 1.24 to 1.26 vs HR 1.08, 95% CI 1.06 to 1.10 per 10 mm Hg) and current cigarette smoking (HR 1.73, 95% CI 1.54 to 1.95 vs HR 1.23, 95% CI 1.15 to 1.32) had stronger associations with incident AF with HF compared with AF alone (all p for difference <0.0001). Similar results were observed in MDCS (all p for difference <0.009). These three risk factors and diabetes accounted for 51.8% and 54.1% of the population attributable risk (PAR) for AF with HF in MPP and MDCS, respectively, compared with 20.1% and 27.0% for AF alone. CONCLUSIONS: Obesity, hypertension and active smoking preferentially associated with AF with HF, compared with AF alone, and accounted for >50% of the PAR. Randomised trials are needed to assess whether risk factor modification can reduce the incidence of AF with HF and reduce mortality.
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 ».