Time-varying differences in stroke recurrence risk between types of atrial fibrillation based on screening methods and timing of detection
Notice bibliographique
Résumé
INTRODUCTION: Atrial fibrillation (AF) burden progresses with time. Among ischemic stroke (IS) patients, AF can be detected at different burden progression stages based on the timing and screening method. We hypothesized that AF detected after IS on 12-lead ECGs (ECG-AF) and via 14-day-Holter prolonged cardiac monitoring (AFDAS) are linked to lower IS recurrence risk than AF known before stroke occurrence (KAF) because of being at an earlier progression stage than KAF. Additionally, we posited that IS recurrence risk differences between AF types vary over time due to their differential progression stages. PATIENTS AND METHODS: Retrospective observational cohort study including IS/TIA patients with KAF, ECG-AF, and AFDAS [2018-2021]. Adjusted hazard ratios (aHR) were estimated using multivariable cause-specific Cox proportional-hazard models to compare IS recurrence between ECG-AF versus KAF and AFDAS versus KAF. Proportional hazards assumptions were tested to assess whether IS recurrence risk differences were time-varying. RESULTS: Of 758 AF patients (385 KAF, 236 ECG-AF, 137 AFDAS), 603 received anticoagulation and 59 experienced a recurrent IS after 1441 patient-years of follow-up. No IS recurrence risk differences were observed at the end of follow-up between ECG-AF and KAF (aHR 0.67, 95% CI 0.36-1.26), although ECG-AF showed lower risk only within the first year (aHR 0.15; 95% CI 0.04-0.56). AFDAS exhibited a lower IS recurrence risk than KAF (aHR 0.22, 95% CI 0.08-0.63), without time-varying differences. DISCUSSION: Differences in IS recurrence risk between ECG-AF and KAF varied over time. However, AFDAS showed a consistently lower IS risk than KAF throughout the entire study period.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».