444 Epidemiology of subclinical atrial fibrillation in patients with cardiac implantable electronic devices: a systematic review and meta-regression
Notice bibliographique
Résumé
Abstract Aims In recent years, attention to subclinical atrial fibrillation (SCAF), defined as the presence of atrial high-rate episodes (AHREs), in patients with cardiac implantable electronic devices (CIEDs), has gained much interest as a determinant of clinical AF and stroke risk. To perform a systematic review and meta-regression of the available scientific evidence regarding the epidemiology of SCAF in patients receiving CIEDs. Methods and results PubMed and EMBASE were searched for all studies documenting the incidence of AHREs in patients (n = 100 or more) with CIEDs without any previous history of AF from inception to 20 August 2021, screened by two independent blind reviewers. This study was registered in PROSPERO: CRD42019106994. Among the 2614 results initially retrieved, 54 studies were included, with a total of 72 784 patients. Meta-analysis of included studies showed a pooled prevalence of SCAF of 28.1%, with an incidence rate (IR) of 16 new SCAF cases per 100 patient-years (I2 = 100%). Multivariate meta-regression analysis showed that age and follow-up time were the only significant determinants of IR, explaining a large part of the heterogeneity (R2 = 61.5%, P < 0.001), with higher IR at earlier follow-up and in older patients, decreasing over follow-up time and increasing according to mean age. Older age, higher CHA2DS2-VASc score, history of AF, hypertension, CHF, and stroke/TIA were all associated with SCAF occurrence. Conclusions In this systematic review and meta-regression analysis, IR of SCAF increased with age and decreased over longer follow-up times. SCAF was associated with older age, higher thromboembolic risk, and several cardiovascular comorbidities.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| 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 | 0,001 |
| 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 ».