Patterns and Predictors of Use of Anticoagulants for the Treatment of Venous Thromboembolism Following Approval of Rivaroxaban
Notice bibliographique
Résumé
BACKGROUND: Few studies have identified patterns and predictors of use of direct oral anticoagulants for venous thromboembolism (VTE). OBJECTIVE: To describe the use of anticoagulants and assess predictors associated with the prescription of rivaroxaban over vitamin K antagonist (VKA) for the subsequent treatment of VTE. METHODS: This cross-sectional study was built with all consecutive patients newly diagnosed with acute VTE admitted between February 18, 2013, and September 18, 2013, in an academic tertiary care center in Quebec, Canada. Patient characteristics and VTE treatments were described. Univariate analyses and a multiple forward stepwise logistic regression were performed to assess predictors of rivaroxaban use over VKA for the subsequent treatment of VTE. RESULTS: The study included 256 patients, 36.7% with a diagnosis of deep vein thrombosis (DVT) and 63.3% with pulmonary embolism (PE). Mean age was 63.1 years, and 28.1% of patients had cancer-associated VTE. Overall, rivaroxaban was prescribed in 1.6% of patients for the initial treatment and in nearly 20% of patients for the subsequent treatment of VTE. Low-molecular-weight heparin and VKA were mostly prescribed. Independent predictors associated with the prescription of rivaroxaban over VKA were as follows: age < 65 years (OR: 2.86, 95% CI 1.29-6.37), a diagnosis of DVT versus PE (OR 2.54, 95% CI 1.20-5.40), and an emergency department visit rather than a hospitalization (OR 2.24, 95% CI 1.06-4.71). CONCLUSION: Several months following its availability, rivaroxaban was rarely prescribed for acute VTE disease. It also appears to be prescribed in different patient populations than VKA.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».