MétaCan
Menu
Retour à la cohorte
Enregistrement W4398767755 · doi:10.1093/europace/euae102.050

Effects of long-term continuous screening for atrial fibrillation on heart failure events - results from the randomized LOOP Study

2024· article· en· W4398767755 sur OpenAlexaff
Lucas Yixi Xing, Søren Højberg, D W Krieger, Claus Graff, Morten S. Olesen, Jeff S. Healey, William F. McIntyre, Axel Brandes, Lars Køber, Ketil Haugan, Jesper Hastrup Svendsen, Søren Zöga Diederichsen

Notice bibliographique

RevueEP Europace · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensPopulation Health Research Institute
Organismes subventionnairesEuropean Commission
Mots-clésMedicineAtrial fibrillationHeart failureEjection fractionCardiologyInternal medicineRandomized controlled trialStroke (engine)PopulationImplantable loop recorderHazard ratioConfidence interval

Résumé

récupéré en direct d'OpenAlex

Abstract Background Previous research established a solid link between atrial fibrillation (AF) and heart failure (HF). However, while two landmark trials have assessed AF screening for stroke prevention, the potential impact of AF screening on HF remains unclear. Purpose This secondary analysis of the LOOP Study aimed to investigate the effects of AF screening on HF events. Methods The LOOP Study was a randomized clinical trial evaluating long-term continuous AF screening with implantable loop recorder (ILR) in individuals aged 70-90 years and with ≥1 of arterial hypertension, diabetes mellitus, HF, and/or prior stroke. At inclusion, study participants were randomized 1:3 to either ILR screening or usual care. Anticoagulation was recommended upon AF detection, whereas other treatment was left to the discretion of the treating physician. In this secondary analysis, a cause-specific Cox regression model was applied to explore the effects of AF screening vs usual care on 1) time-to-first HF event and 2) total HF events, with the latter performed using the Andersen-and-Gill extension. HF event was defined as newly diagnosed HF with left ventricular ejection fraction ≤40% or any HF hospitalization in participants with prior diagnosis of HF with reduced ejection fraction. Results In total, 6004 participants were enrolled in the LOOP Study: 1501 in the ILR group vs 4503 in the Control group. The study population had a mean age of 75 years and slightly more males than females (53% vs 47%), whereas 266 (4.4%) were previously diagnosed with HF at baseline. During a median follow-up of 5.4 years, a total of 208 HF events were reported in 175 (2.9%) participants: 37 events among 34 (2.3%) participants in the ILR group vs 171 events among 141 (3.1%) participants in the Control group. For time-to-first HF event, the annualized event rate was 0.44%/year [95% confidence interval (CI): 0.30-0.62] vs 0.61%/year [95% CI: 0.51-0.72] for ILR vs Control, corresponding to a hazard ratio (HR) of 0.72 [95% CI: 0.50-1.05]. When assessing total HF events, a significantly lower event rate was observed in the ILR group (0.47%/year [95% CI: 0.33-0.65]) compared with the Control group (0.73%/year [95% CI: 0.62-0.84]), resulting in a HR of 0.65 [95% CI: 0.44-0.97]. Conclusions Among elderly individuals with additional stroke risk factors, long-term continuous AF screening led to a significantly reduced risk of total HF events, compared with usual care. This should be considered as hypothesis-generating and warrants further investigation.Cumulative incidence of HF event

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)0,013
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,006
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,036
Tête enseignante GPT0,334
Écart entre enseignants0,298 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEP EuropaceMême sujetAtrial Fibrillation Management and OutcomesTravaux en français237 207