Choice of Oral Anticoagulant: Outcomes in Atrial Fibrillation Patients Post-Stroke Despite Direct Oral Anticoagulant Use
Notice bibliographique
Résumé
Background: For patients with atrial fibrillation who have an ischemic stroke or transient ischemic attack (TIA) despite taking direct oral anticoagulants (DOACs), the optimal strategy for ongoing anticoagulation is unknown. Methods: Using provincial administrative databases in Alberta, Canada, we compared anticoagulant use before/after the breakthrough stroke/TIA and assessed recurrence of stroke/TIA or bleeding, with consideration of medication adherence. Adherence was defined as the proportion of days covered (PDC) being ≥ 80%. Results: score of 1.7± 1 prior to the index event. Patients were followed for a median of 643 days (interquartile range 836). Following the index stroke/TIA event, 623 patients (63%) filled a prescription for the same DOAC regimen, 83 (8%) filled a prescription for a different dose, 155 (16%) switched DOAC agents, 51 (5%) switched to warfarin, and 73 (7%) filled no oral anticoagulant prescription. Patients who kept the same regimen more commonly had TIA index events (59%); patients who changed dose or drug more often had stroke index events (55%-78%). During follow-up, 135 (14%) had stroke/TIA recurrence, and 46 (5%) had bleeding; rates of each did not differ between prescribing patterns. Post-index event, the proportion of patients with a proportion of days covered ≥ 80% improved from 55% to 80%. Conclusions: Although most maintained the same DOAC regimen after stroke/TIA, rates of recurrent stroke/TIA and bleeding were similar across prescribing patterns. Stroke/TIA severity may have influenced prescribing practices. DOAC prescription adherence improved poststroke/TIA and signals an opportunity for optimization in patients with atrial fibrillation.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».