Abstract 14016: Marked Geographic Variation in Atrial Fibrillation Ablation Rates in a Universal Single Payer Health Care System
Notice bibliographique
Résumé
Introduction: Atrial fibrillation (AF) ablation is increasingly commonly performed for patients with symptomatic AF. In Canada, AF ablation occurs at specialized electrophysiology centers (“EP centers”), which are clustered in major urban centers. Hypothesis: People with AF who live closer to an EP center are more likely to undergo an AF ablation. Methods: Data was compiled from Ontario Health datasets (e.g. emergency department (ED) visits, hospital discharges, physician billing) and Canadian census data for people presenting to an ED in Ontario, Canada with a new diagnosis of AF between 2007-16. The primary outcome was ablation within one year of the index ED visit. Secondary outcomes include ablation at two years. Multivariate logistic regression was conducted to assess the relationship between distance to EP centers and likelihood of ablation. We also studied ablation frequency in relation to material deprivation (e.g. income, housing quality and education). Geospatial analyses were performed using QGIS. Results: Of the 135,681 people with newly diagnosed AF, 3911 (2.9%) had an ablation within one year of AF diagnosis and 5827 (4.3%) within two. There was a significant inverse relationship between a doubling of distance to the closest EP center and ablation within one year (OR: 0.93, 95% CI: 0.91-0.94), and two years (OR: 0.95, 95% CI: 0.94-0.97). Higher deprivation (measured in standard deviations from the mean) was associated with significantly less ablation at one year (OR: 0.89, 95% CI: 0.85-0.92). There was wide regional variation with relatively low rates near the largest urban center (Figure 1). Conclusions: Living further from an EP center and greater material deprivation are associated with lower AF ablation rates. Ablation rates vary by region, with the highest rates not consistently observed in areas most concentrated with EP centers. Figure 1. Age and sex adjusted AF ablation rates per 100,000 patients within a year of AF diagnosis in Ontario, Canada
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».