Association between cancer, CHA2DS2VASc risk, and in-hospital ischaemic stroke in patients hospitalized for atrial fibrillation
Notice bibliographique
Résumé
BACKGROUND: Atrial fibrillation (AF) is commonly encountered in cancer patients. We investigated the CHA2DS2VASc score, and its association with in-hospital ischaemic stroke in patients with cancer who were hospitalized for AF. METHODS AND RESULTS: Using the United States National Inpatient Sample, all hospitalizations with principal diagnosis of AF between October 2015 and December 2018 were stratified by cancer diagnosis, type, and CHA2DS2VASc risk categories (low risk, low-moderate risk, moderate-high risk). In-hospital ischaemic stroke and its association with the CHA2DS2VASc risk score was assessed across the groups using hierarchical multivariable logistic regression with adjusted odds ratios (aOR) and 95% confidence intervals (95% CI). Discrimination of CHA2DS2VASc score for in-hospital ischaemic stroke was evaluated with Receiver Operating Characteristic and Area Under the Curve (AUC). Among 1 341 870 included hospitalizations, 71 965 (5.4%) had comorbid cancer. Cancer patients had a higher proportion of moderate-high CHA2DS2VASc risk compared with their non-cancer counterparts (86.5% vs. 82.3%, P < 0.001). Compared with their low CHA2DS2VASc risk counterparts, cancer patients in low-moderate and moderate-high risk scores had similar odds of developing stroke (aOR 1.28 95% CI 0.22-7.63 and aOR 1.78 95% CI 0.41-7.66, respectively). The CHA2DS2VASc risk score had poor discrimination for ischaemic stroke in the cancer group (AUC 0.538 95% CI 0.477-0.598). CONCLUSION: Cancer patients with AF have high CHA2DS2VASc risk. Discrimination of CHA2DS2VASc for ischaemic stroke is lower in cancer than non-cancer patients, and CHA2DS2VASc may not be adequate in determining ischaemic risk in cancer population.
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 | 0,004 | 0,003 |
| 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 ».