Long-term outcomes of pace-and-ablate strategy in patients with atrial fibrillation
Notice bibliographique
Résumé
BACKGROUND: The pace-and-ablate strategy is second -line therapy to obtain rate control in patients with persistent symptomatic atrial fibrillation (AF) when other treatment options fail. This study aims to evaluate long-term effects on clinical outcomes following pace-and-ablate strategy in AF patients. METHODS: This retrospective study includes patients who underwent successful pacemaker implantation (right ventricular pacing (RVP) or cardiac re-synchronization therapy (CRT)) followed by atrioventricular node ablation (AVNA) between 2010 and 2020. Patients were treated according to the prevailing guidelines. The primary endpoint was a composite of all-cause mortality and heart failure hospitalization (HFH). Secondary endpoints were individual outcomes of all-cause mortality, HFH, and left-ventricular ejection fraction (LVEF) change. RESULTS: Two hundred ninety-eight patients were included, 162 undergoing RVP, and 136 receiving CRT, with a median follow-up of 5.8 years [4.1-8.0]. The primary endpoint occured in 47% of the RVP group and 49% of the CRT group (p = 0.206). All-cause mortality occurred in 36% of the RVP group and in 45% of the CRT group (p = 0.005). HFH occurred in 22% of the RVP group and in 15% of the CRT group (p = 0.328), with 17(10%) upgrades to CRT in the RVP group. Median LVEF in the RVP group remained stable (56% [49-60] to 53% [43-57]; p = 0.081), while it improved in the CRT group (31% [22-38] to 43% [32-51]; p < 0.001). CONCLUSION: Mortality and HFH in patients with AF managed through a pace-and-ablate strategy are high. Reassuringly, LVEF deterioration requiring upgrade to CRT is uncommon in patients undergoing RVP with normal baseline LVEF before AVNA. CRT improves LVEF in patients with reduced LVEF before AVNA.
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) | 0,001 | 0,001 |
| 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 ».