MétaCan
Menu
Retour à la cohorte
Enregistrement W4323363741 · doi:10.3389/fcvm.2023.1156626

Post-operative atrial fibrillation after cardiac surgery: Challenges throughout the patient journey

2023· review· en· W4323363741 sur OpenAlexaff
William F. McIntyre

Notice bibliographique

RevueFrontiers in Cardiovascular Medicine · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineAtrial fibrillationCardiac surgeryComplicationStroke (engine)Intensive care medicineCardiologyCardiac arrhythmiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Atrial fibrillation (AF) is the most common complication of cardiac surgery, occurring in up to half of patients. Post-operative AF (POAF) refers to new-onset AF in a patient without a history of AF that occurs within the first 4 weeks after cardiac surgery. POAF is associated with short-term mortality and morbidity, but its long-term significance is unclear. This article reviews existing evidence and research challenges for the management of POAF in patients who have had cardiac surgery. Specific challenges are discussed in four phases of care. Pre-operatively, clinicians need to be able to identify high-risk patients, and initiate prophylaxis to prevent POAF. In hospital, when POAF is detected, clinicians need to manage symptoms, stabilize hemodynamics and prevent increases in length of stay. In the month after discharge, the focus is on minimizing symptoms and preventing readmission. Some patients require short term oral anticoagulation for stroke prevention. Over the long term (2-3 months after surgery and beyond), clinicians need to identify which patients with POAF have paroxysmal or persistent AF and can benefit from evidence-based therapies for AF, including long-term oral anticoagulation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,097
Tête enseignante GPT0,362
Écart entre enseignants0,265 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations31
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Cardiovascular MedicineMême sujetAtrial Fibrillation Management and OutcomesTravaux en français237 207