Development of three-step holistic care pathways to detect and manage comorbidities in patients with atrial fibrillation: the Horizon 2020 EHRA-PATHS consortium
Notice bibliographique
Résumé
Aims: Older patients with AF (≥65 years) have on average four additional comorbidities. Comorbidity management requires a systematic approach for identification, and interdisciplinary care, often lacking in clinical practice. The EHRA-PATHS project's overall aim is to create an approach to systematically address multimorbidity in older patients with AF. Methods and results: This project involves a consortium of 14 partners from 11 European countries. The comorbidity care pathways were developed using a stepwise approach. (i) A literature study. (ii) Online meetings/discussions to create structured care pathways. (iii) A two-round Delphi study for consensus on the final pathways (agreement ≥80%) and to rank the comorbidities for priority. (iv) Selection of comorbidities for evaluation in the planned randomized controlled trial (RCT). Development of care pathways for 23 comorbidities or special clinical settings was obtained and agreed upon. The Delphi surveys were sent to 37 consortium experts. After round 1 (28 responses), 13 pathways reached an agreement ≥80%. Twelve adjusted pathways were presented in round 2 (27 responses), of which 8 received an agreement ≥80%. The last four pathways were finalized after expert consensus. Hypertension, heart failure, and overweight were ranked as the most important comorbidities. Conclusion: A structured process of expert meetings and two Delphi rounds led to the development and ranking of 23 concise care pathways to identify and manage comorbidities in patients with AF. All pathways will be combined into a software tool, providing clinicians with a systematic approach to comorbidity management, which will be tested in the RCT of EHRA-PATHS.
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) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».