Antithrombotic therapy in patients after transcatheter aortic valve implantation: a network meta-analysis
Notice bibliographique
Résumé
AIMS: The optimal antithrombotic therapy to balance the risk of thrombosis and bleeding in patients who undergo transcatheter aortic valve implantation (TAVI) is unknown. This systematic review/network meta-analysis of randomized controlled trials (RCTs) aimed to evaluate the efficacy and safety of different oral anticoagulant (OAC) and antiplatelet regimens in patients post-TAVI. METHODS AND RESULTS: MEDLINE, Embase, CENTRAL, and ClinicalTrials.gov were searched from inception to April 2023. Co-primary outcomes were all-cause death and major bleeding. We conducted Bayesian network meta-analyses to compare all interventions simultaneously. For each outcome, we generated odds ratios (ORs) with 95% credible intervals using a random-effects model with informative priors, and ranked interventions based on mean surface under the cumulative ranking curve. We included 11 RCTs (n = 6415), including 1 unpublished RCT. Three trials enrolled patients with an indication for an OAC. Overall risk of bias was low or with some concerns. Median age was 81 years. Median follow-up was 6 months. The combination of OAC plus single antiplatelet therapy (SAPT) increased the risk of all-cause death compared with dual antiplatelet therapy (DAPT) (OR 1.78, 95% credible interval 1.15-2.77). No other comparisons for all-cause death were significantly different. For major bleeding, SAPT reduced the risk compared with DAPT, direct-acting OAC, and OAC + SAPT (OR 0.20-0.40), and DAPT reduced the risk compared with OAC + SAPT. SAPT and DAPT ranked best for all-cause death, while SAPT ranked best for major bleeding. CONCLUSION: In post-TAVI patients, SAPT may provide the optimal balance of reducing thrombotic events while minimizing the risk of bleeding.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,129 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».