The Effect of Prothrombotic Blood Abnormalities on Risk of Deep Vein Thrombosis in Users of Hormone Replacement Therapy
Notice bibliographique
Résumé
BACKGROUND: Few studies have assessed the effect of prothrombotic blood abnormalities on the risk of deep vein thrombosis (DVT) with hormone replacement therapy (HRT). METHODS: We studied postmenopausal women with suspected DVT in whom HRT use and prothrombotic blood abnormalities were sought. Cases had unprovoked DVT and controls had no DVT and without DVT risk factors. The risk of DVT was determined in women with and without prothrombotic abnormalities. RESULTS: A total of 510 postmenopausal women with suspected DVT were assessed; 57 cases and 283 controls were identified. Compared to HRT, nonusers without the factor V Leiden mutation, the risk of DVT was increased in estrogen-progestin HRT users (odds ratio [OR], 3.2; 95% confidence interval [CI]: 1.2-8.6) and in nonusers with the factor V Leiden mutation (OR, 5.3; 1.9-15.4) and appears multiplied in users of estrogen-progestin HRT with the factor V Leiden mutation (OR, 17.1; 3.7-78). Compared to HRT, nonusers with normal factor VIII, the risk of DVT was increased in estrogen-progestin HRT users with normal factor VIII (OR, 2.8; 1.0-7.9) and in HRT nonusers with the highest factor VIII quartile (OR, 6.0; 2.1-17), and appears to be multiplied in women who are users of estrogen-progestin HRT with the highest factor VIII quartile (OR, 17.0; 3.6-80). CONCLUSIONS: In postmenopausal women who are estrogen-progestin HRT users, the presence of the factor V Leiden mutation or an elevated factor VIII level appears to have a multiplicative effect on their overall risk of DVT, increasing it 17-fold compared to women without these blood abnormalities who are HRT nonusers.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».