Longitudinal Changes in Health‐Related Quality of Life in Patients With Atrial Fibrillation
Notice bibliographique
Résumé
Background Optimizing health-related quality of life (HRQoL) is an important aim of atrial fibrillation (AF) treatment. Little is known about patients' long-term HRQoL trajectories and the impact of patient and disease characteristics. The aim of this study was to describe HRQoL trajectories in an observational AF study population and in clusters of patients with similar patient and disease characteristics. Methods and Results We used 5-year follow-up data from the Swiss-Atrial Fibrillation prospective cohort, which enrolled 2415 patients with prevalent AF from 2014 to 2017. HRQoL data, collected yearly, comprised EuroQoL-5 dimension utilities and EuroQoL visual analog scale scores. Patient clusters with similar characteristics at enrollment were identified using hierarchical clustering. HRQoL trajectories were analyzed descriptively and with inverse probability-weighted regressions. Effects of postbaseline clinical events were additionally assessed using time-shifted event variables. Among 2412 (99.9%) patients with available baseline HRQoL, 3 clusters of patients with AF were identified, which we characterized as follows: "cardiovascular dominated," "isolated symptomatic," and "severely morbid without cardiovascular disease." Utilities and EuroQoL visual analog scale scores remained stable over time for the full population and the clusters; isolated symptomatic patients showed higher levels of HRQoL. Utilities were reduced after occurrences of stroke, hospitalization for heart failure, and bleeding, by -0.12 (95% CI, -0.18 to -0.06), -0.10 (95% CI, -0.13 to -0.08), and -0.06 (95% CI, -0.08 to -0.04), respectively, on a 0 to 1 utility scale. Utility of surviving patients returned to preevent levels 4 years after heart failure hospitalization; 3 years after bleeding; and 1 year after stroke. Conclusions In patients with prevalent AF, HRQoL was stable over time, irrespective of baseline patient characteristics. Clinical events of hospitalization for heart failure, stroke, and bleeding had only a temporary effect on HRQoL.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».