Clinically important deep vein thrombosis in the intensive care unit: a survey of intensivists
Notice bibliographique
Résumé
INTRODUCTION: Outside the intensive care unit (ICU), clinically important deep vein thrombosis (DVT) is usually defined as a symptomatic event that leads to objective radiologic confirmation and subsequent treatment. The objective of the present survey is to identify the patient factors and radiologic features of lower limb DVT that intensivists consider more or less likely to make a DVT clinically important in ICU patients. METHODS: Our definition of clinically important DVT was a DVT likely to result in short-term or long-term morbidity or mortality if left untreated, as opposed to a DVT that is unlikely to have important consequences. We asked respondents to indicate the likelihood that patient factors and ultrasonographic features make a DVT clinically important using a five-point scale (from 1 = much less likely to 5 = much more likely). RESULTS: Of the 71 Canadian intensivists who responded, 70 (99%) rated three patient factors as most likely to make a DVT clinically important: clinical suspicion of pulmonary embolism (mean score 4.6), acute or chronic cardiopulmonary morbidity that might limit a patient's ability to tolerate pulmonary embolism (score 4.5), and leg symptoms (score 4.2). Of the ultrasound features, proximal (score 4.7), large (score 4.2), and totally occlusive (score 3.9) thrombi were considered the three most important. CONCLUSION: When labeling a DVT as clinically important, intensivists rely on different patient specific factors and thrombus characteristics than are used to assess the clinical importance of DVT outside the ICU. The clinical importance of DVT is influenced by unique factors such as cardiopulmonary reserve among mechanically ventilated patients.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».