The SilenT AtRial FIBrillation (STAR-FIB) study programme – design and rationale
Notice bibliographique
Résumé
AIMS OF THE STUDY: Anticoagulation of patients with screen-detected atrial fibrillation may prevent ischaemic strokes. The STAR-FIB study programme aims to determine the age- and sex-specific prevalence of silent atrial fibrillation and to develop a clinical prediction model to identify patients at risk of undiagnosed atrial fibrillation in a hospitalised patient population. METHODS: The STAR-FIB study programme includes a prospective cohort study and a case-control study of hospitalised patients aged 65–84 years, evenly distributed for both age and sex. We recruited 795 patients without atrial fibrillation for the cohort study (49.2% females; median age 74.8 years). All patients had three serial 7-day Holter ECGs to screen for silent atrial fibrillation. The primary endpoint will be any episode of atrial fibrillation or atrial flutter of ≥30 seconds duration. The age- and sex-specific prevalence of newly diagnosed atrial fibrillation will be estimated. For the case-control study, 120 patients with paroxysmal atrial fibrillation were recruited as cases (41.7% females; median age 74.6 years); controls will be randomly selected from the cohort study in a 2:1 ratio. All participants in the cohort study and all cases were prospectively evaluated including clinical, laboratory, echocardiographic and electrical parameters. A clinical prediction model for undiagnosed atrial fibrillation will be derived in the case-control study and externally validated in the cohort study. CONCLUSIONS: The STAR-FIB study programme will estimate the age- and sex-specific prevalence of silent atrial fibrillation in a hospitalised patient population, and develop and validate a clinical prediction model to identify patients at risk of silent atrial fibrillation.
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 | 0,001 | 0,002 |
| 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 ».