Risk assessment of venous thromboembolism in hospitalized medical patients
Notice bibliographique
Résumé
PURPOSE OF REVIEW: The aim is to provide a concise review of risk assessment models that stratify hospitalized acutely ill medical patients at risk of venous thromboembolism (VTE). RECENT FINDINGS: Risk-assessment models (RAMs) for hospitalized medical patients at risk for VTE prior to 2005 attempted to identify at-risk patients using a point system or binary yes/no approach as to the existence of exposing (acute medical illness) or predisposing (genetic or clinical characteristic) risk factors for VTE. These RAMs were derived from data predominately from patient subgroups within randomized controlled trials and were cumbersome, not subject to rigorous validation, and were based on limited evidence of how these risk factors interacted in a quantitative manner. Recently, simplified RAMs have been proposed that have included this patient group. The RAMs are composed of various point systems and a threshold, which then would identify at-risk patient groups that would benefit from thromboprophylaxis. Although some of the point systems have been derived intuitively, they have been validated in large patient cohorts either prospectively or retrospectively and have shown good sensitivity. The presence of malignancy, prior VTE, hypercoagulability, advanced age and immobility all conferred increased risk of VTE during hospitalization or in the posthospital discharge period in the various models. SUMMARY: Simple RAMs based on point systems to predict risk of VTE for the hospitalized medical patient have been validated that include either exposing or predisposing risk factors for VTE. It is hoped that these RAMs may identify acutely ill medical patients with additional characteristics that do not easily fit into group-specific thromboembolic risk assessment categories as currently proposed by international clinical guidelines.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».