The use of low molecular weight heparins for the prevention of postoperative venous thromboembolism in general surgery. A survey of practice in the United States.
Notice bibliographique
Résumé
BACKGROUND: Even though low molecular weight heparins (LMWHs) have become the standard for venous thromboembolism (VTE) prophylaxis in most European countries and Canada, it was not until recently that LMWHs were approved for use in the United States. The main objective of this study was to assess the current preferences and attitudes of United States surgeons toward the prevention of VTE with particular reference to LMWH. METHODS: A survey with questions relative to VTE awareness, risk factors, and prevention practices was mailed to 10,000 Fellows of the American College of Surgeons. RESULTS: A total of 1,145 (11.45%) usable questionnaires were returned. The vast majority (96%) of respondents use prophylaxis against VTE. Although LMWHs were rated first regarding efficacy and second regarding simplicity of use, conventional unfractionated heparin at fixed doses remains the preferred pharmacological agent for VTE prevention (74%), followed by 2 LMWHs: enoxaparin (34%) and dalteparin (16%). Overall, 52% of surgeons preferred physical methods over pharmacological methods when used separately and 26% of surgeons utilize combined physical-pharmacological modalities. CONCLUSIONS: North American general surgeons have substantially modified their approach to VTE prevention in the last 4 years. Physical methods and unfractionated heparin remain the preferred prophylactic modalities, but LMWHs have gained rapid acceptance since their approval for use for VTE prevention in North America. Even though the results of this survey must be interpreted with caution because of the limited response rate and possible sampling bias, they still reflect the current preferences and attitudes of North American surgeons toward prophylaxis.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».