The effect of different oral anticoagulants on cognitive function in patients with atrial fibrillation: a Bayesian network meta-analysis
Notice bibliographique
Résumé
Abstract Objective Atrial fibrillation (AF) is one of the most common arrhythmias. At present, the treatment for patients with atrial fibrillation mainly includes oral anticoagulants (OACs). Studies have shown that OACs are associated with cognitive decline in patients with atrial fibrillation, but there is a lack of relevant evidence. This study used Bayesian network meta-analysis to investigate the effects of different oral anticoagulants on cognitive decline in patients with atrial fibrillation. Method We systematically searched the clinical studies of oral anticoagulants on patients with atrial fibrillation included in PubMed, Web of Science, Embase, and Cochrane library as of July 3, 2023. Use Cochrane's randomized controlled trial bias risk assessment tool and Newcastle Ottawa Scale (NOS) to assess the bias risk of the included studies. The main outcome measure was a decrease in cognitive function. Result A total of 10 studies were included, including two RCTs and seven RCSs, including 882847 patients with atrial fibrillation. Including 8 oral anticoagulants: VKAs, Warfarin, Aspirin, Clopidogrel, Dabigatran, Edoxaban, Rivaroxaban, and Apixaban. The results of the mesh meta-analysis showed that VKAs were superior in reducing the risk of cognitive decline in patients with atrial fibrillation compared to warfarin (OR=-1.19, 95% CI (-2.35, -0.06), P < 0.05) (Table 4). The top three in terms of probability of reducing the incidence of cognitive impairment in patients with atrial fibrillation with different oral anticoagulants are VKAs (87%), Rivaroxaban (62.2%), and Dabigatran (60.8%). Conclusion Based on the results of this study, VKAs may be the potential best intervention measures that can reduce the risk of cognitive decline in patients with atrial fibrillation. Due to the limitations of this study, more high-quality randomized controlled trials with large samples and multiple centers are needed in the future to provide more evidence.
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 | 0,031 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,062 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».