Rhythm monitoring strategies for atrial fibrillation detection in patients with cryptogenic stroke: A systematic review and meta-analysis
Notice bibliographique
Résumé
Objective To summarize data on atrial fibrillation (AF) detection rates and predictors across different rhythm monitoring strategies in patients with cryptogenic stroke (CS) or embolic stroke of undetermined source (ESUS). Methods MEDLINE, Embase, and Web of Science were searched to identify all published studies providing relevant data through July 6, 2020. Random-effects meta-analysis method was used to pool estimates. Results We included 47 studies reporting on a pooled population of 8,215 patients with CS or ESUS. Using implantable cardiac monitor (ICM), the pooled rate of AF was 12.2% (95% CI 9.4–15.0) at 3 months, 16.0% (95% CI 13.2–18.8) at 6 months, 18.7% (95% CI 15.7–21.7) at 12 months, 22.8% (95% CI 19.1–26.5) at 24 months, and 28.5% (95% CI 17.6–39.3) at 36 months. AF rates were significantly higher in patients with ESUS vs CS (22.0% vs 14.2%; p < 0.001) at 6 months, and in studies using Reveal LINQ vs Reveal XT ICM (19.1% vs 13.0%; p = 0.001) at 12 months. Using mobile cardiac outpatient telemetry (MCOT), the pooled rate of AF was 13.7% (95% CI 10.2–17.2) at 1 month. Predictors of AF detection with ICM included older age, CHA 2 DS 2 -VASc score, left atrial enlargement, P wave maximal duration and prolonged PR interval. Conclusion The yield of ICM increases with the duration of monitoring. More than a quarter of patients with CS or ESUS will be diagnosed with AF during follow-up. About one in seven patients had AF detected within a month of MCOT, suggesting that a non-invasive rhythm monitoring strategy should be considered before invasive monitoring.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,024 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».