Cardiac natriuretic peptides for diagnosis of covert atrial fibrillation after acute ischaemic stroke: a meta-analysis of diagnostic accuracy studies
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Detection of atrial fibrillation (AF) after acute ischaemic stroke is pivotal for the timely initiation of anticoagulation to prevent recurrence. Besides heart rhythm monitoring, various blood biomarkers have been suggested as complimentary diagnostic tools for AF. We aimed to summarise data on the performance of cardiac natriuretic peptides for the diagnosis of covert AF after acute ischaemic stroke and to assess their potential clinical utility. METHODS: We searched PubMed and Embase for prospective studies reporting the performance of B-type natriuretic peptide (BNP) or N-terminal pro-BNP (NT-proBNP) for the diagnosis of covert AF after acute ischaemic stroke. Summary diagnostic performance measures were pooled using bivariate meta-analysis with a random-effect model. RESULTS: We included six studies focusing on BNP (n=1930) and three studies focusing on NT-proBNP (n=623). BNP had a sensitivity of 0.83 (95% CI 0.64 to 0.93), a specificity of 0.74 (0.67 to 0.81), a positive likelihood ratio of 3.2 (2.6 to 4.0) and a negative likelihood ratio of 0.23 (0.11 to 0.49). NT-proBNP had a sensitivity of 0.91 (0.65 to 0.98), a specificity of 0.77 (0.52 to 0.91), a positive likelihood ratio of 3.9 (1.8 to 8.7) and a negative likelihood ratio of 0.12 (0.03 to 0.48). Considering a pretest probability of 20%, BNP and NT-proBNP had post-test probabilities of 45% and 50%. CONCLUSIONS: NT-proBNP has a better performance than BNP for the diagnosis of covert AF after acute ischaemic stroke. Both biomarkers have low post-test probabilities and may not be used as a stand-alone decision-making tool for the diagnosis of covert AF in patients with acute ischaemic stroke. However, they may be useful for a screening strategy aiming to select patients for long-term monitoring of the heart rhythm.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,012 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».