Non-pharmacological interventions to improve the success of electrical cardioversion in patients with atrial fibrillation
Notice bibliographique
Résumé
Abstract Background: Electrical cardioversion (ECV) is a common management strategy for atrial fibrillation (AF). ECV contains multiple modifiable components, including pad size and placement, shock energy, and waveform phases. Guidance on optimal technique, however, is limited. A comprehensive review of interventions used to increase ECV success will guide ideal clinical practice and identify techniques that could be studied in future randomized controlled trials. Methods: This review will include RCTs randomized controlled trial and observational studies that compare acute cardioversion success between 2 or more non-pharmacological interventions in patients with AF undergoing ECV. We will search CENTRAL, MEDLINE and EMBASE from inception to present and will also include the grey literature as part of our search. We will assess the risk of bias for each study and summarize the extracted data in a narrative report with a table of findings included. Results: Based on a full search strategy developed for MEDLINE along with findings from the grey literature search, the non-pharmacological interventions are expected to include pad placement, shock energy, waveform phases, and manual pressure, among others. Conclusions: The objective of this scoping review is to identify and examine the evidence on non-pharmacological interventions to improve electrical cardioversion in patients with AF. Registered on Open Science Framework: https://osf.io/gdh27/
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 | 0,000 |
| 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 ».