Global variations in the prevalence, treatment, and impact of atrial fibrillation in a multi-national cohort of 153 152 middle-aged individuals
Notice bibliographique
Résumé
AIMS: To compare the prevalence of electrocardiogram (ECG)-documented atrial fibrillation (or flutter) (AF) across eight regions of the world, and to examine antithrombotic use and clinical outcomes. METHODS AND RESULTS: Baseline ECGs were collected in 153 152 middle-aged participants (ages 35-70 years) to document AF in two community-based studies, spanning 20 countries. Medication use and clinical outcome data (mean follow-up of 7.4 years) were available in one cohort. Cross-sectional analyses were performed to document the prevalence of AF and medication use, and associations between AF and clinical events were examined prospectively. Mean age of participants was 52.1 years, and 57.7% were female. Age and sex-standardized prevalence of AF varied 12-fold between regions; with the highest in North America, Europe, China, and Southeast Asia (270-360 cases per 100 000 persons); and lowest in the Middle East, Africa, and South Asia (30-60 cases per 100 000 persons) (P < 0.001). Compared with low-income countries (LICs), AF prevalence was 7-fold higher in middle-income countries (MICs) and 11-fold higher in high-income countries (HICs) (P < 0.001). Differences in AF prevalence remained significant after adjusting for traditional AF risk factors. In LICs/MICs, 24% of participants with AF and a CHADS2 score ≥1 received antithrombotic therapy, compared with 85% in HICs. AF was associated with an increased risk of stroke [hazard ratio (HR) 2.29; 95% confidence interval (CI) 1.49-3.52] and death (HR 2.97; 95% CI 2.25-3.93); with similar rates in different countries grouped by income level. CONCLUSIONS: Large variations in AF prevalence occur in different regions and countries grouped by income level, but this is only partially explained by traditional AF risk factors. Antithrombotic therapy is infrequently used in poorer countries despite the high risk of stroke associated with AF.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».