Peripheral artery disease and clinical outcomes in patients with atrial fibrillation: A systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Atrial fibrillation (AF) is the most common cardiac rhythm disturbance and leads to morbidity and mortality. Peripheral artery disease (PAD) is associated with atherosclerotic risk factors and always classified as a vascular disease and deemed to be a bad complication of AF. In patients with AF, the risk and prognostic value of PAD have not been estimated comprehensively. HYPOTHESIS: PAD is associated with all-cause mortality, cardiovascular (CV) mortality, and other outcomes in patients with AF. METHODS: statistic. The fixed-effects model was used for low to moderate heterogeneity studies, and the random-effects model was used for high heterogeneity studies. RESULTS: Eight prospective studies (Newcastle-Ottawa score range, 7-8) with 39 654 patients were enrolled. We found a significant association between PAD and all-cause mortality (hazard ratio [HR], 1.42; 95% confidence interval [CI], 1.25-1.62; p < .001), CV mortality (HR, 1.64; 95% CI, 1.32-2.05; p < .001) and MACE (HR, 1.75; 95% CI, 1.38-2.22; p < .001) in patients with AF. No significant relationship was found in major bleeding (HR, 1.22; 95% CI, 0.95-1.57; p = 0.118), myocardial infarction (MI) (HR, 2.07; 95% CI, 1.17-3.67; p = .038), and stroke (HR, 1.14; 95% CI, 0.87-1.50, p = 0.351). CONCLUSIONS: PAD is associated with an increased risk of all-cause mortality, CV mortality, and MACE in patients with AF. However, no significant association was found with major bleeding, MI, and stroke.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,022 | 0,008 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».