Temporal Trends in Atrial Fibrillation Ablation in the Elderly
Notice bibliographique
Résumé
BACKGROUND: The elderly population with atrial fibrillation (AF) is growing. There is limited evidence to suggest AF ablation as an effective treatment for the elderly. OBJECTIVES: This study aimed to investigate the temporal trends of first-time ablations in the elderly, the impact of age on major adverse cardiovascular events (MACE), and a composite endpoint of AF-related hospitalizations, repeat AF ablation, or use of antiarrhythmic drugs (AADs). METHODS: Utilizing the Danish administrative registers, we incorporated individuals undergoing their first-time AF ablation from 2001 to 2020. Our cohort was divided into 3 age groups (<60, 60-74, and ≥75 years) and scrutinized across 4 consecutive 5-year intervals. Cox proportional-hazard multivariable analyses and cumulative incidences were used to evaluate the endpoints of 5-year MACE incidence and a 1-year composite endpoint of AF-related hospitalizations, repeat AF ablation, or use of antiarrhythmic drugs. RESULTS: Elderly patients who underwent AF ablation increased significantly, from none in 2001 to 9% in 2020. The 5-year incidence of MACE in the elderly decreased from 61.9% (95% CI: 41.1%-82.7%) to 38.1% (95% CI: 31.9%-44.2%). The HR for age ≥75 years in the last time period was 1.52 (95% CI: 1.26-1.83). The 1-year composite outcome varied from 35.6% to 52.0%; age was not a consistent predictor. CONCLUSIONS: AF ablation use in the elderly has significantly increased over time. A notable decrease in MACE was evident across all age cohorts, with a particularly pronounced trend observed among the elderly population. Age was not an independent predictor of the composite endpoint.
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 | 0,000 |
| 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 ».