COVID-19 pandemic and trends in new diagnosis of atrial fibrillation: A nationwide analysis of claims data
Notice bibliographique
Résumé
BACKGROUND: Atrial fibrillation (AF) is associated with a five-fold increased risk of stroke and a two-fold increased risk of death. We aimed to quantify changes in new diagnoses of AF following the onset of the COVID-19 pandemic. Investigating changes in new diagnoses of AF is of relevance because delayed diagnosis interferes with timely treatment to prevent stroke, heart failure, and death. METHODS: Using De-identified Optum's Clinformatics® Data Mart, we identified 19,500,401 beneficiaries continuously enrolled for 12 months in 2016-Q3 2020 with no history of AF. The primary outcome was new AF diagnoses per 30-day interval. Secondary outcomes included AF diagnosis in the inpatient setting, AF diagnosis in the outpatient setting, and ischemic stroke as initial manifestation of AF. We constructed seasonal autoregressive integrated moving average models to quantify changes in new AF diagnoses after the onset of the COVID-19 pandemic (3/11/2020, date of pandemic declaration). We tested whether changes in the new AF diagnoses differed by race and ethnicity. RESULTS: The average age of study participants was 51.0±18.5 years, and 52% of the sample was female. During the study period, 2.7% of the study sample had newly-diagnosed AF. New AF diagnoses decreased by 35% (95% CI, 21%-48%) after the onset of the COVID-19 pandemic, from 1.14 per 1000 individuals (95% CI, 1.05-1.24) to 0.74 per 1000 (95% CI, 0.64 to 0.83, p-value<0.001). New AF diagnoses decreased by 37% (95% CI, 13%- 55%) in the outpatient setting and by 29% (95% CI, 14%-43%) in the inpatient setting. The decrease in new AF diagnoses was similar across racial and ethnic subgroups. CONCLUSION: In a nationwide cohort of 19.5 million individuals, new diagnoses of AF decreased substantially following the onset of the COVID-19 pandemic. Our findings evidence pandemic disruptions in access to care for AF, which are concerning because delayed diagnosis interferes with timely treatment to prevent complications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».