Antiplatelet therapy in patients with atrial fibrillation: a systematic review and meta-analysis of randomized trials
Notice bibliographique
Résumé
AIMS: The aim of this study was to systematically assess the effects of antiplatelets on clinical outcomes in patients with atrial fibrillation (AF), treated and not-treated with oral anticoagulation. METHODS AND RESULTS: We searched MEDLINE, Embase, and CENTRAL from inception until September 2020. From 5446 citations, we selected randomized trials allocating patients with AF to antiplatelet therapy vs. control. We applied random-effects models for meta-analysis and assessed potential effect modification with background anticoagulation use. Eighteen trials including 21 518 participants met our prespecified eligibility criteria. In 10 studies without background anticoagulation, antiplatelets reduced all-cause stroke [486/6165 (events/patients) vs. 621/6061; risk ratio (RR) 0.77, 95% confidence interval (CI) 0.69-0.86, I2 = 0%]. In eight studies with background anticoagulation, there was a signal for an increase in all-cause stroke with antiplatelets (97/4608 vs. 72/4684; RR 1.33, 95% CI 0.98-1.79, I2 = 0%, P-value for interaction <0.001). A similar pattern emerged for ischaemic stroke. Irrespective of background anticoagulation use, antiplatelets increased major bleeding (509/10 402 vs. 328/10 496; RR 1.54, 95% CI 1.35-1.77, I2 = 0%) and intracranial haemorrhage (107/10 221 vs. 65/10 232; RR 1.64, 95% CI 1.20-2.24, I2 = 0%), and reduced myocardial infarction (201/9679 vs. 260/9751; RR 0.79, 95% CI 0.65-0.94, I2 = 0%, all P-values for interaction ≥0.36). Antiplatelets did not affect mortality (1221/10 299 vs. 1211/10 287; RR 1.02, 95% CI 0.89-1.17, I2 = 29%, P-value for interaction = 0.23). CONCLUSIONS: In patients with AF not receiving oral anticoagulation, antiplatelet therapy modestly reduced stroke. There was a corresponding signal for harm when used on top of anticoagulation. Irrespective of background anticoagulation use, antiplatelet therapy significantly increased bleeding, moderately reduced myocardial infarction, and did not affect mortality.
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 | 0,021 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,034 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».