Estimating Vitamin K Antagonist Anticoagulation Benefit in People With Atrial Fibrillation Accounting for Competing Risks: Evidence From 12 Randomized Trials
Notice bibliographique
Résumé
BACKGROUND: Patients with atrial fibrillation have a high mortality rate that is only partially attributable to vascular outcomes. The competing risk of death may affect the expected anticoagulant benefit. We determined if competing risks materially affect the guideline-endorsed estimate of anticoagulant benefit. METHODS: We conducted a secondary analysis of 12 randomized controlled trials that randomized patients with atrial fibrillation to vitamin K antagonists (VKAs) or either placebo or antiplatelets. For each participant, we estimated the absolute risk reduction (ARR) of VKAs to prevent stroke or systemic embolism using 2 methods—first using a guideline-endorsed model (CHA 2 DS 2 -VASc) and then again using a competing risk model that uses the same inputs as CHA 2 DS 2 -VASc but accounts for the competing risk of death and allows for nonlinear growth in benefit. We compared the absolute and relative differences in estimated benefit and whether the differences varied by life expectancy. RESULTS: A total of 7933 participants (median age, 73 years, 36% women) had a median life expectancy of 8 years (interquartile range, 6–12), determined by comorbidity-adjusted life tables and 43% were randomized to VKAs. The CHA 2 DS 2 -VASc model estimated a larger ARR than the competing risk model (median ARR at 3 years, 6.9% [interquartile range, 4.7%–10.0%] versus 5.2% [interquartile range, 3.5%–7.4%]; P <0.001). ARR differences varied by life expectancies: for those with life expectancies in the highest decile, 3-year ARR difference (CHA 2 DS 2 -VASc model – competing risk model 3-year risk) was −1.3% (95% CI, −1.3% to −1.2%); for those with life expectancies in the lowest decile, 3-year ARR difference was 4.7% (95% CI, 4.5%–5.0%). CONCLUSIONS: VKA anticoagulants were exceptionally effective at reducing stroke risk. However, VKA benefits were misestimated with CHA 2 DS 2 -VASc, which does not account for the competing risk of death nor decelerating treatment benefit over time. Overestimation was most pronounced when life expectancy was low and when the benefit was estimated over a multiyear horizon.
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 | 0,013 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».