MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389953305 · doi:10.1161/circ.148.suppl_1.12401

Abstract 12401: Multidimensional Representativeness of Older Adults With Atrial Fibrillation in Randomized Controlled Trials: Comparing Participants of 12 Oral Anticoagulant RCTs to a Nationally Representative US Cohort

2023· article· en· W4389953305 sur OpenAlexaff
Sachin J. Shah, Timothy Anderson, David Cheng, Joseph S. Ross, Richard Hobbs, Stuart J. Connolly, Michael D. Ezekowitz, Carl van Walraven, Daniel E. Singer

Notice bibliographique

RevueCirculation · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of OttawaPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineAtrial fibrillationCohortInternal medicinePopulationStroke (engine)Randomized controlled trialMyocardial infarctionPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Background: Anticoagulant RCTs are thought to have enrolled younger and less comorbid patients with atrial fibrillation (AF) compared to the general population. We developed a representation score summarizing patient characteristics to describe how well RCT participants with AF reflect a nationally representative cohort. Methods: We studied adults >=65 years old with AF by harmonizing two data sources: (1) patient-level data from 12 landmark RCTs testing anticoagulants vs. placebo or antiplatelets from the Atrial Fibrillation Investigators (AFI) consortium and (2) the Health and Retirement Study AF cohort (HRS-AF), a representative cohort of older adults with AF in the U.S. We fit a logistic regression model to estimate the probability of inclusion in the HRS-AF cohort in the pooled sample using age, height, weight, gender, heart failure, hypertension, diabetes, prior stroke, and prior myocardial infarction. This estimate, the Trial Benchmark Score, reflected the probability of belonging to the HRS-AF cohort and ranged from 0 to 1, with higher scores reflecting a greater likelihood of belonging to the HRS-AF cohort. We plotted the distribution of scores for HRS-AF and AFI participants and compared the mean scores using a t-test. Results: Compared to the HRS-AF cohort (n=3542), AFI participants (n=7933) were younger (72 vs. 76yrs, standardized mean difference [SMD] -0.7), more frequently male (64% vs. 46%, SMD 0.3), and had a lower likelihood of prior stroke (19% vs. 23%, SMD -0.4). The mean Trial Benchmark Score differed significantly between the two cohorts (HRS-AF mean 0.47 vs. AFI mean 0.23, p<0.001) ( Figure ). 52% of HRS-AF participants and 12% of AFI participants had a score >0.47 (the HRS-AF mean score). Conclusion: Differences in the Trial Benchmark Scores distributions indicate a substantial difference in the distribution of observable characteristics and that RCT participants were not fully representative of the benchmark population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,251
score de la tête « metaresearch » (Gemma)0,318
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,749
Score d'incertitude au seuil0,923

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2510,318
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,012
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,343
Tête enseignante GPT0,460
Écart entre enseignants0,117 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→