Transforming atrial fibrillation management by targeting comorbidities and reducing atrial fibrillation burden: the 10th AFNET/EHRA consensus conference
Notice bibliographique
Résumé
Atrial fibrillation (AF) is a growing unmet medical need. To reduce its impact on patients' lives, improvements in stroke prevention therapy, treatment of concomitant conditions, and rhythm control therapy are actively developed: Innovations in anti-thrombotic agents, new anti-arrhythmic drugs (AADs), and novel interventional rhythm control therapies emerge alongside AF-reducing effects of general cardiometabolic therapies. Simple risk scores are slowly replaced by personalized AF risk estimation using quantifiable features. These developments were discussed by over 80 experts from academia and industry during the 10th Atrial Fibrillation NETwork /European Heart Rhythm Association consensus conference from 5 to 7 May 2025. The emerging consensus, described here, is multi-domain therapy combining stroke prevention, rhythm control, and therapy of concomitant cardiovascular conditions. This combines anti-coagulants, AADs, and AF ablation with old and new cardiometabolic drugs that can reduce AF risk, AF burden, and AF-related complications at scale. The paper furthermore describes quantitative traits that may enable a shift towards risk-driven therapy based on AF phenotypes. These can enable adjusted therapy strategies that are safe, accessible, and patient-centred. Applying modern data science and artificial intelligence methods to quantitative phenotypic and genetic features can further improve risk estimation and personalized therapy selection. At the same time, translational and clinical research into reversing the drivers of AF and into improved stroke prevention through new drugs and through combination therapies is needed. Together, these efforts offer pathways towards personalized, patient-centred, multi-modal, and accessible AF management that integrates rhythm control, stroke prevention, and therapy of concomitant conditions to bridge today's practical needs with tomorrow's therapeutic innovation.
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 | 0,001 | 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 ».