Cardiovascular Risk Factors and Venous Thromboembolism
Notice bibliographique
Résumé
BACKGROUND: The concept that venous thromboembolism (VTE) and atherosclerosis are 2 completely distinct entities has recently been challenged because patients with VTE have more asymptomatic atherosclerosis and more cardiovascular events than control subjects. We performed a meta-analysis to assess the association between cardiovascular risk factors and VTE. METHODS AND RESULTS: Medline and EMBASE databases were searched to identify studies that evaluated the prevalence of major cardiovascular risk factors in VTE patients and control subjects. Studies were selected using a priori defined criteria, and each study was reviewed by 2 authors who abstracted data on study characteristics, study quality, and outcomes. Odds ratios or weighted means and 95% confidence intervals (CIs) were then calculated and pooled using a random-effects model. Statistical heterogeneity was evaluated through the use of chi2 and I2 statistics. Twenty-one case-control and cohort studies with a total of 63 552 patients met the inclusion criteria. Compared with control subjects, the risk of VTE was 2.33 for obesity (95% CI, 1.68 to 3.24), 1.51 for hypertension (95% CI, 1.23 to 1.85), 1.42 for diabetes mellitus (95% CI, 1.12 to 1.77), 1.18 for smoking (95% CI, 0.95 to 1.46), and 1.16 for hypercholesterolemia (95% CI, 0.67 to 2.02). Weighted mean high-density lipoprotein cholesterol levels were significantly lower in VTE patients, whereas no difference was observed for total and low-density lipoprotein cholesterol levels. Significant heterogeneity among studies was present in all subgroups except for the diabetes mellitus subgroup. Higher-quality studies were more homogeneous, and significant associations remained unchanged. CONCLUSIONS: Cardiovascular risk factors are associated with VTE. This association is clinically relevant with respect to individual screening, risk factor modification, and primary and secondary prevention of VTE. Prospective studies should further investigate the underlying mechanisms of this relationship.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».