A Program to Optimize the Detection of Paroxysmal Atrial Fibrillation: The RITMO Study
Notice bibliographique
Résumé
Abstract Background: Atrial fibrillation (AF) is the most common sustained arrythmia, but still underdiagnosed especially among asymptomatic patients. Objectives: To evaluate a simple strategy to optimize the identification of AF. Methods: Asymptomatic patients aged 65 years or older, with hypertension or heart failure (HF), were included. Data were inserted into the REDCap software platform. Patients were assessed for the risk for AF using the Stroke Risk Analysis (SRA) mathematical algorithm, which was applied on a one-hour electrocardiogram (ECG). All patients at high risk for AF were instructed to follow a home ECG protocol for seven days using a portable Kardia 6 (OMRON, AliveCor®). The Kolmogorov-test was used to test the normality of quantitative variables; those with normal distribution were expressed as mean and standard deviation. A p<0.05 was set as statistically significant. Results: A total of 423 patients were assessed; 15 were excluded due to absence of SRA, yielding a sample of 408 patients. In 13 (3.2%), AF was identified, 120 (29.4%) were considered at high risk and 275 (67.4%) without increased risk for AF. Of the 120 high-risk patients, 111 successfully completed the seven-day protocol with Kardia; at least one episode of AF was identified in 43 patients. Conclusion: The strategy adopted in the RITMO study was shown to be effective in identifying AF in asymptomatic elderly patients with hypertension or HF, with an incidence of 13.7% (56/408).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».