DETECTION OF LATENT CORONARY ARTERY DISEASE IN PATIENTS WITH ATRIAL FIBRILLATION AND HIGH CARDIOVASCULAR RISK: A CLINICAL ASPECT
Notice bibliographique
Résumé
Goal. To identify the frequency and features of coronary artery disease in patients with AF without an established diagnosis of coronary artery disease who underwent coronary angiography for the first time. Materials and methods. The study included 31 patients with AF who were hospitalized in the cardiology department. All participants had not previously undergone invasive coronary artery imaging and had no history of coronary artery disease. All patients underwent coronary angiography. In addition, a Framingham cardiovascular risk assessment was performed, clinical and demographic data were collected, including age, the presence of risk factors (hypertension, hypercholesterolemia, smoking, diabetes mellitus), symptoms corresponding to angina pectoris, and concomitant pathology. Results. Coronary artery disease was detected in 11 patients (35.5%) out of 31. At the same time, 8 patients (25.8%) required myocardial revascularization — percutaneous coronary intervention (PCI) or coronary artery bypass grafting (CABG). The presence of coronary heart disease was associated with older age, hypercholesterolemia, a history of angina pectoris, and the presence of risk factors such as smoking. The data obtained indicate that in patients with AF and high cardiovascular risk, the presence of coronary artery disease may be underestimated in the absence of typical symptoms. Conclusions. Conducting coronary angiography in patients with atrial fibrillation, especially in the presence of high cardiovascular risk, seems clinically justified. This allows timely detection of latent coronary heart disease and necessary treatment, including revascularization, thereby reducing the risk of adverse cardiovascular events and improving the prognosis of this category of patients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».