The Use of Anti-Platelet and/or Anticoagulant Agents in the Prevention of Large Vessel Vasculitis-Associated Ischemic Complications: A Meta-Analysis
Notice bibliographique
Résumé
Objective: To determine the effectiveness of antiplatelet and/or anticoagulant therapy (AP/AC) at reducing ischemic events in patients with Large Vessel Vasculitis (LVV). Methods: We performed a random effects meta-analysis of studies examining antiplatelet and/or anticoagulant therapy (AP/AC) and ischemic events in Takayasu’s Arteritis (TAK) or Giant Cell Arteritis (GCA). Severe ischemic events were defined as stroke, ischemic ocular manifestations and claudication symptoms. Any ischemic event included jaw claudication in addition to the above manifestations. Results: Seven studies met inclusion criteria: 1 TAK and 6 GCA. The majority of patients (>80%) were treated with ASA and treatment was initiated prior to diagnosis of LVV. Risk of severe and any ischemic event in patients with LVV treated with AP/AC versus no treatment was not significantly different (OR 0.570, 95% CI 0.243, 1.340 and OR 0.594, 95% CI 0.248, 1.421, respectively). For studies with follow-up data (26-76 months), AP/AC was protective for severe ischemic events (OR 0.18, 95% CI 0.04, 0.83). Findings were similar when excluding studies that did not account for potential confounders, such as cardiovascular risk factors. Conclusion: At follow-up, antiplatelet therapy significantly decreases ischemic events in patients with LVV. However, in most cases of GCA, the treatment was initiated prior to the diagnosis of vasculitis. The benefit of initiating anti-platelet therapy at the time of GCA diagnosis remains unclear.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,052 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».