Do anticoagulants improve survival in patients presenting with venous thromboembolism?
Notice bibliographique
Résumé
Anticoagulants have been available since around 1940 and have become the standard of treatment for venous thromboembolism (VTE) for over four decades. However, as with other treatments which became established before the evidence-based era, there is a paucity of evidence from randomized controlled trials validating their effectiveness in preventing the most feared complication of VTE, recurrent fatal pulmonary embolism (PE). Only two such trials have been performed, the results of which conflict. The bulk of data supporting their use are derived from three sources. First, studies of thromboprophylaxis, and comparisons of shorter and longer courses of anticoagulants in high-risk patients with established VTE have clearly demonstrated their effectiveness in primary and late secondary prevention. Given that heparin has an immediate onset of action, anticoagulants should therefore also be effective in early secondary prevention, the proposed mechanism of action in the acute treatment of VTE. Secondly, studies of inadequately treated patients have consistently shown higher recurrence rates than in those adequately treated. Finally, comparisons of outcomes in untreated and treated historical series, and of untreated historical series to treated series in the modern era have shown substantially lower rates of fatal PE in anticoagulated patients. Because these differences are so marked, harmonize with our current understanding of the mechanism of action of anticoagulants and are supported by other evidence, it is much more likely that they at least partly reflect the effectiveness of anticoagulants as opposed to being explicable purely in terms of accumulated biases and a changing distribution of disease severity.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».