Chronic obstructive pulmonary disease and atrial fibrillation: an interdisciplinary perspective
Notice bibliographique
Résumé
Chronic obstructive pulmonary disease (COPD) is highly prevalent among patients with atrial fibrillation (AF), shares common risk factors, and adds to the overall morbidity and mortality in this population. Additionally, it may promote AF and impair treatment efficacy. The prevalence of COPD in AF patients is high and is estimated to be ∼25%. Diagnosis and treatment of COPD in AF patients requires a close interdisciplinary collaboration between the electrophysiologist/cardiologist and pulmonologist. Differential diagnosis may be challenging, especially in elderly and smoking patients complaining of unspecific symptoms such as dyspnoea and fatigue. Routine evaluation of lung function and determination of natriuretic peptides and echocardiography may be reasonable to detect COPD and heart failure as contributing causes of dyspnoea. Acute exacerbation of COPD transiently increases AF risk due to hypoxia-mediated mechanisms, inflammation, increased use of beta-2 agonists, and autonomic changes. Observational data suggest that COPD promotes AF progression, increases AF recurrence after cardioversion, and reduces the efficacy of catheter-based antiarrhythmic therapy. However, it remains unclear whether treatment of COPD improves AF outcomes and which metric should be used to determine COPD severity and guide treatment in AF patients. Data from non-randomized studies suggest that COPD is associated with increased AF recurrence after electrical cardioversion and catheter ablation. Future prospective cohort studies in AF patients are needed to confirm the relationship between COPD and AF, the benefits of treatment of either COPD or AF in this population, and to clarify the need and cost-effectiveness of routine COPD screening.
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 ».