The Association of Malignancy With Stroke and Bleeding in Atrial Fibrillation
Notice bibliographique
Résumé
BACKGROUND: It is undetermined if malignancy independently increases stroke risk in atrial fibrillation (AF). OBJECTIVES: This study sought to determine the association of malignancy with stroke and bleeding in AF. METHODS: -VASc score, and ATRIA bleeding score. Outcomes included hospitalizations for stroke and hospitalization/emergency visits for bleeding. Cause-specific regression was used to determine the HR for malignancy after adjusting for time-varying anticoagulation status. Analyses were repeated for specific subgroups of cancer patients (with matched control subjects). RESULTS: Among 199,710 AF patients, 24,991 (12.5%) people had prior malignancy. Malignancy was associated with more inpatient diagnoses of AF (vs outpatient) and less anticoagulation. We matched 43,802 people with AF (21,901 with malignancy, mean age 78.1 years; 59.5% male). After adjusting for anticoagulation status, malignancy had a similar hazard of stroke (HR: 1.01; 95% CI: 0.88-1.15) but higher hazard of bleeding (HR: 1.45; 95% CI: 1.37-1.53) compared with cancer-free control subjects in the matched sample. Analyses of cancer subgroups with comparison to matched control subjects mostly showed consistent results, except for: 1) increased hazard of stroke in lung cancer; and 2) lack of increased bleeding hazard in breast cancer and lymphoma. CONCLUSIONS: People with AF and malignancy generally had similar hazards of stroke but higher hazards of bleeding compared with cancer-free control subjects, suggesting that malignancy should not lower the threshold for anticoagulation in AF.
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 | 0,000 | 0,000 |
| 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 ».