Variation and clinical consequences of wait-times for atrial fibrillation ablation: population level study in Ontario, Canada
Notice bibliographique
Résumé
AIMS: Atrial fibrillation (AF) is the most common cardiac rhythm disorder. Emerging evidence supporting the efficacy of catheter ablation in managing AF has led to increased demand for this therapy, potentially outpacing the capacity to perform this procedure. Mismatch between demand and capacity for AF ablation results in wait-times which have not been comprehensively evaluated at a population level. Additionally, the consequences of such delays in AF ablation, namely the risk of hospitalization or adverse events, have not been studied. METHODS AND RESULTS: This observational cohort study included adults referred for catheter ablation to treat AF in Ontario, Canada, between 1 April 2016 and 31 March 2020. Wait-time was defined from referral to the earliest of ablation, death, off-list, or the study endpoint of 31 March 2022. The outcomes of interest included a composite of death, hospitalization for AF/heart failure, and emergency department visit for AF/heart failure. Our study cohort included 6253 patients referred for de novo AF ablation. The median wait-time for patients who received and who did not receive ablation was 218 days (IQR: 112-363) and 520 days (IQR: 270-763), respectively. Wait-time increased consistently for patients referred between October 2017 and March 2020. Mortality was rare, but significant morbidity was observed, affecting 19.2% of patients on the waitlist for AF ablation. Paroxysmal AF was associated with a statistically significant greater risk for adverse outcomes on the waitlist (HR 1.51, 95% CI 1.18-1.93). CONCLUSION: Wait-times for AF ablation are increasing and are associated with significant morbidity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».