Long-Term Follow-up of Enhanced Holter-Electrocardiography Monitoring in Acute Ischemic Stroke
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Prolonged electrocardiography (ECG)-monitoring in stroke patients improves the detection of paroxysmal atrial fibrillation (pAF). However, most randomized studies only had short follow-up. We aimed to provide 3-year follow-up data for AF detection and stroke recurrence risk. METHODS: We randomized 402 patients aged ≥60 years with acute ischemic strokes without AF to either enhanced and prolonged monitoring (EPM; 3×10-day Holter-ECG-monitoring) or standard-of-care (≥24 hours ECG-monitoring). The endpoint of the current analysis was AF within 36 months analyzed by intention to treat. Long-term follow-up was performed for 36 months. RESULTS: Two hundred and seventy-four patients (80%) participated in the extended follow-up (median duration of follow-up was 36 months [interquartile range, 12 to 36]). During the first 6 months, more AF was documented in the EPM arm compared to the control arm (13.5% vs. 5.1%; 95% confidence interval, 2.9% to 14.4%; P=0.004). During months 6 to 36, AF was less detected in the EPM intervention arm than in the control arm (2.0% vs. 7.3%; 95% confidence interval, 0.7% to 9.9%; P=0.028). Overall, the detection rate of AF within 36 months was numerically higher within the EPM group (15.0% vs. 11.1%, P=0.30). Numerically less patients in the EPM arm had recurrent ischemic strokes (5.5% vs. 9.1%, P=0.18), transient ischemic attacks (3.0% vs. 4.5%, P=0.44) or died (4.5% vs. 6.6%, P=0.37). CONCLUSIONS: Enhanced and prolonged ECG monitoring increased AF detection during the first six months, but there was significantly more clinical AF during months 6 to 36 observed in the usual-care arm. This suggests that EPM leads to an earlier detection of clinically relevant AF.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».