Effect of the COVID-19 pandemic on adversity in individuals receiving anticoagulation for atrial fibrillation: A nationally representative administrative health claims analysis
Notice bibliographique
Résumé
BACKGROUND: Atrial fibrillation (AF) is strongly associated with clinical adversity, including increased hospitalization and bleeding and stroke events. We examined the effect of the SARS-2 Coronavirus 2019 (COVID-19) pandemic on such events in individuals with AF receiving oral anticoagulation. METHODS: We employed medical and pharmacy claims spanning 2018-2020 from a nationally representative U.S. database (IQVIA Longitudinal Prescription, Medical Claims, and Institutional Claims). We selected individuals receiving oral anticoagulation in 2018 for AF and followed them from 1/1/2019-7/8/2020 for clinical events. We constructed interrupted time-series analyses across 30-day intervals with Poisson regression models to determine the effect of the COVID-19 pandemic on clinical events. RESULTS: The dataset included 1,439,145 individuals (half with age ≥75 years; 47.6% women) receiving oral anticoagulation. We determined a 19% decrease in emergency room visits following the pandemic declaration and 8% decrease in inpatient admissions. In contrast admissions for stroke and bleeding were not affected by the declaration of the pandemic. DISCUSSION: These results describe the temporal effect of the COVID-19 pandemic on clinical adversity - hospitalizations, strokes, and bleeding events - in individuals receiving oral anticoagulation for AF. Our analysis quantifies the decrease in clinical adversity accompanying COVID-19 in a large, highly representative U.S. health claims database.
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 | 0,034 | 0,213 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».