Country and health expenditure are major predictors of withholding anticoagulation in atrial fibrillation patients at high risk of stroke
Notice bibliographique
Résumé
Background Guidelines for patients with atrial fibrillation (AF) at high thromboembolic risk recommend oral anticoagulants (OACs) for preventing stroke and systemic embolism (SE). The reasons for guideline non-adherence are still unclear. Aim The aim is to identify clinical, demographic and non-patient characteristics associated with withholding OAC in patients with AF at high stroke risk. Methods Patients in the Global Anticoagulant Registry in the FIELD-AF, newly diagnosed with AF between March 2010 and August 2016, and with CHA 2 DS 2 -VASc Score≥2 (excluding sex), were grouped by OAC treatment at enrolment. Factors associated with OAC non-use were analysed by multivariable logistic regression. Results Of 40 416 eligible patients, 12 126 (30.0%) did not receive OACs at baseline. Globally, OAC prescription increased over time, from 60.4% in 2010–2011 to 74.7% in 2015–2016. Country of enrolment was the major predictor for OAC withholding (χ 2 −df=2576). Clinical predictors of OAC non-use included type of AF (χ 2 −df=404), history of bleeding (χ 2 −df=263) and vascular disease (χ 2 −df=99). OACs were used most frequently around the age of 75 years and decreasingly with younger as well as older age beyond 75 years (χ 2 −df=148). Non-cardiologists (χ 2 −df=201) and emergency room physicians (χ 2 −df=14) were less likely to prescribe OACs. OAC prescription correlated positively with country health expenditure. Conclusions Approximately one out of three AF patients did not receive OAC, while eligible according to the guidelines. Country of enrolment was the major determinant of anticoagulation strategy, while higher country health expenditure was associated with lower likelihood of withholding anticoagulation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».