Abstract 11497: Mineralocorticoid Receptor Antagonists and Atrial Fibrillation: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Introduction: Medical therapies to prevent atrial fibrillation (AF) episodes and to reduce heart failure (HF) or cardiovascular (CV) death in patients with AF are limited. The role of mineralocorticoid receptor antagonists (MRAs) in this population is unclear. Objectives: We aimed to assess whether the effect of MRAs (e.g. spironolactone, eplerenone, finerenone) in reducing cardiovascular events differs in patients with and without AF, and to evaluate the efficacy of MRAs in reducing AF events. Methods: We searched MEDLINE, Embase, and CENTRAL to March 2022 for randomized controlled trials (RCT) comparing an MRA to placebo or usual care in patients with established cardiovascular disease or risk factors. Pairs of reviewers systematically screened the eligible studies and used random-effects models to combine data. Results: We identified 6 RCTs including 7,245 participants (1,791 with AF and 5,454 without AF) that assessed the effect of MRAs on a composite of HF hospitalization or CV death (Figure). MRAs had similar efficacy for reducing HF hospitalization/CV death in patients with a history of AF (HR 0.86, 95% CI: 0.52-1.42; I 2 =71%) as compared to those without a history of AF (HR 0.77, 95% CI: 0.62-0.96; I 2 =58%) - P for subgroup differences=0.69. There was no evidence of difference in the efficacy of MRAs in reducing HF hospitalization (P for subgroup differences=0.93) and CV death (P for subgroup differences=0.41) in patients with and without AF. We identified 21 RCTs including 22,126 participants that reported on the occurrence of AF events. MRAs significantly reduced AF events (RR 0.78, 95% CI: 0.71-0.87; I 2 =0%). This effect was similar for reducing both new-onset AF (RR 0.81, 95% CI: 0.64-1.01; I 2 =32%) and recurrent AF episodes (RR 0.77, 95% CI: 0.67-0.88; I 2 =0%) - P for subgroup differences=0.71. Conclusions: MRAs reduce HF hospitalization or CV death to a similar extent in patients with and without AF. In addition, MRAs may prevent new-onset and recurrent AF events.
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 | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,030 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».