Heart Failure and Atrial Flutter: A Systematic Review of Current Knowledge and Practices
Notice bibliographique
Résumé
While the interplay between heart failure (HF) and atrial fibrillation (AF) has been extensively studied, little is known regarding HF and atrial flutter (AFL), which may be managed differently. We reviewed the incidence, prevalence, and predictors of HF in AFL and vice versa, and the outcomes of treatment of AFL in HF. A systematic literature review of PubMed/Medline and EMBASE yielded 65 studies for inclusion and qualitative synthesis. No study described the incidence or prevalence of AFL in unselected patients with HF. Most cohorts enrolled patients with AF/AFL as interchangeable diagnoses, or highly selected patients with tachycardia-induced cardiomyopathy. The prevalence of HF in AFL ranged from 6% to 56%. However, the phenotype of HF was never defined by left ventricular ejection fraction (LVEF). No studies reported the predictors, phenotype, and prognostic implications of AFL in HF. There was significant variation in treatments studied, including the proportion that underwent ablation. When systolic dysfunction was tachycardia-mediated, catheter ablation demonstrated LVEF normalization in up to 88%, as well as reduced cardiovascular mortality. In summary, AFL and HF often coexist but are understudied, with no randomized trial data to inform care. Further research is warranted to define the epidemiology and establish optimal management.
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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».