MétaCan
Menu
Retour à la cohorte
Enregistrement W4315752668 · doi:10.1111/anae.15957

Predictors and impact of postoperative atrial fibrillation following thoracic surgery: a state‐of‐the‐art review

2023· review· en· W4315752668 sur OpenAlexaff
E. Diallo, Philippe Brouillard, J. Raymond, M. Liberman, Emmanuelle Duceppe, Brian J. Potter

Notice bibliographique

RevueAnaesthesia · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineAtrial fibrillationSinus rhythmAmiodaroneManagement of atrial fibrillationInternal medicineCardiologyHeart failureCardiac surgeryHeart diseasePopulationIncidence (geometry)Cardiothoracic surgerySurgery

Résumé

récupéré en direct d'OpenAlex

This review of 19 studies (39,783 patients) of atrial fibrillation after thoracic surgery addresses the pathophysiology, incidence, and consequences of atrial fibrillation in this population, as well as its prevention and management. Interestingly, atrial fibrillation was most often identified in patients not previously known to have the disease. Rhythm control with amiodarone was the most commonly used treatment and nearly all patients were discharged in sinus rhythm. Major predictors were age; male sex; history of atrial fibrillation; congestive heart failure; left atrial enlargement; elevated brain natriuretic peptide level; and the invasiveness of procedures. Overall, patients with atrial fibrillation stayed 3 days longer in hospital. We also discuss the importance of standardising research on this subject and provide recommendations that might mitigate the impact postoperative atrial fibrillation on hospital resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,785

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,409
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnaesthesiaMême sujetAtrial Fibrillation Management and OutcomesTravaux en français237 207