Differences in Healthcare Use Between Patients With Persistent and Paroxysmal Atrial Fibrillation Undergoing Catheter‐Based Atrial Fibrillation Ablation: A Population‐Based Cohort Study From Ontario, Canada
Notice bibliographique
Résumé
Background Patients with persistent atrial fibrillation (AF) undergoing catheter-based AF ablation have lower success rates than those with paroxysmal AF. We compared healthcare use and clinical outcomes between patients according to their AF subtypes. Methods and Results Consecutive patients undergoing AF ablation were prospectively identified from a population-based registry in Ontario, Canada. Via linkage with administrative databases, we performed a retrospective analysis comparing the following outcomes between patients with persistent and paroxysmal AF: healthcare use (defined as AF-related hospitalizations/emergency room visits), periprocedural complications, and mortality. Multivariable Poisson modeling was performed to compare the rates of AF-related and all-cause hospitalizations/emergency room visits in the year before versus after ablation. Between April 2012 and March 2016, there were 3768 consecutive patients who underwent first-time AF ablation, of whom 1040 (27.6%) had persistent AF. The mean follow-up was 1329 days. Patients with persistent AF had higher risk of AF-related hospitalization/emergency room visits (hazard ratio [HR], 1.21; 95% CI, 1.09-1.34), mortality (HR, 1.74; 95% CI, 1.15-2.63), and periprocedural complications (odds ratio, 1.36; 95% CI, 1.02-1.75) than those with paroxysmal AF. In the overall cohort, there was a 48% reduction in the rate of AF-related hospitalization/emergency room visits in the year after versus before ablation (rate ratio [RR], 0.52; 95% CI, 0.48-0.56). This reduction was observed for patients with paroxysmal (RR, 0.45; 95% CI, 0.41-0.50) and persistent (RR, 0.74; 95% CI, 0.63-0.87) AF. Conclusions Although patients with persistent AF had higher risk of adverse outcomes than those with paroxysmal AF, ablation was associated with a favorable reduction in downstream AF-related healthcare use, irrespective of AF type.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».