Methodological considerations for investigating oral anticoagulation persistence in atrial fibrillation
Notice bibliographique
Résumé
AIMS: Reports of long-term oral anticoagulant (OAC) therapy for atrial fibrillation (AF) reveal highly variable, and generally suboptimal estimates of medication persistence. The objective of this review is to summarize current literature and highlight important methodological considerations for interpreting persistence research and designing studies of persistence on OAC treatment. METHODS AND RESULTS: We summarize differences in study methodology, setting, timing, treatment, and other factors associated with reports of better or worse persistence. For example, prospective compared with retrospective study designs are associated with higher reported persistence. Similarly, patient factors such as permanent AF or high stroke risk, and treatment with non-vitamin K oral antagonists relative to vitamin K antagonists are associated with higher persistence. Persistence has also been reported to be higher in Europe compared with North America and higher when the treating physician is a general practitioner compared with a specialist. We propose a framework for assessing and designing persistence studies. This framework includes aspects of patient selection, reliability and validity of measures, persistence definitions, clinical utility of measurements, follow-up periods, and analytic approaches. CONCLUSIONS: Differences in study design, patient selection, treatments, and factors such as the countries/regions where studies are conducted or the type of treating physician may help explain the variability in OAC persistence estimates. A framework is proposed to assess persistence studies. This may have utility to compare and interpret published studies as well as for planning of future studies.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| 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 | 0,001 |
| 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 ».