Aprotinin Versus Tranexamic Acid During Liver Transplantation: Impact on Blood Product Requirements and Survival
Notice bibliographique
Résumé
BACKGROUND: Historically, orthotopic liver transplantation (OLT) has been associated with major blood loss and the need for blood product transfusions. Activation of the fibrinolytic system can contribute significantly to bleeding. Prophylactic administration of antifibrinolytic agents was found to reduce blood loss. METHODS: The efficacy of two antifibrinolytic compounds--aprotinin (AP) and tranexamic acid (TA)--was compared in OLT. Four hundred consecutive OLTs were studied: 300 patients received AP and 100 received TA. Multivariate logistic regression analysis was used to identify independent predictors of intraoperative transfusion requirement and 1-year patient mortality. RESULTS: There was no intergroup difference in intraoperative blood loss (1082±1056 vs. 1007±790 mL), red blood cell transfusion per patient (0.5±1.4 vs. 0.5±1.0), final hemoglobin (Hb) concentration (93±20 g/L vs. 95±22 g/L), the percentage of OLT cases requiring no blood product administration (80% vs. 82%), and 1-year survival (85.1% vs. 87.4%). Serum creatinine concentrations were also the same (116±55 vs. 119±36 μmol/L) 1 year after surgery. Two variables, starting Hb and phlebotomy, correlated with the two primary outcome measures (transfusion and 1-year survival). CONCLUSIONS: In our experience, administration of AP was not superior to TA with regards to blood loss and blood product transfusion requirement during OLT. In addition, we found no difference between the groups in the 1-year survival rate and renal function. Furthermore, we suggest that starting Hb concentration should be considered when prioritizing patients on the waiting list and planning perioperative care for OLT recipients.
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 | 0,000 | 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 ».