Predicting major bleeding among hospitalized patients using oral anticoagulants for atrial fibrillation after discharge
Notice bibliographique
Résumé
AIM: Real-world predictors of major bleeding (MB) have been well-studied among warfarin users, but not among all direct oral anticoagulant (DOAC) users diagnosed with atrial fibrillation (AF). Thus, our goal was to build a predictive model of MB for new users of all oral anticoagulants (OAC) with AF. METHODS: We identified patients hospitalized for any cause and discharged alive in the community from 2011 to 2017 with a primary or secondary diagnosis of AF in Quebec's RAMQ and Med-Echo administrative databases. Cohort entry occurred at the first OAC claim. Patients were categorized according to OAC type. Outcomes were incident MB, gastrointestinal bleeding (GIB), non-GI extracranial bleeding (NGIB) and intracranial bleeding within 1 year of follow-up. Covariates included age, sex, co-morbidities (within 3 years before cohort entry) and medication use (within 2 weeks before cohort entry). We used logistic-LASSO and adaptive logistic-LASSO regressions to identify MB predictors among OAC users. Discrimination and calibration were assessed for each model and a global model was selected. Subgroup analyses were performed for MB subtypes and OAC types. RESULTS: Our cohort consisted of 14,741 warfarin, 3,722 dabigatran, 6,722 rivaroxaban and 11,196 apixaban users aged 70-86 years old. The important MB predictors were age, prior MB and liver disease with ORs ranging from 1.37-1.64. The final model had a c-statistic of 0.63 (95% CI 0.60-0.65) with adequate calibration. The GIB and NGIB models had similar c-statistics of 0.65 (95% CI 0.63-0.66) and 0.67 (95% CI 0.64-0.70), respectively. CONCLUSIONS: MB and MB subtype predictors were similar among DOAC and warfarin users. The predictors selected by our models and their discriminative potential are concordant with published data. Thus, these models can be useful tools for future pharmacoepidemiologic studies involving older oral anticoagulant users 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».