TIME TRENDS IN INTRACRANIAL BLEEDING AND NEW ORAL ANTICOAGULANT PRESCRIPTION
Notice bibliographique
Résumé
Objectives & Background Dabigatran, rivaroxaban and apixaban were approved for stroke prevention in the past 4 years. Phase 3 studies reported a lower risk of intracranial bleeding compared to warfarin however there is little real-life data to validate this. We assessed time trends in oral anticoagulant (OAC) associated intracranial bleeding between 2009 and 2013. We compared bleeding rates to provincial OAC prescription trends. Methods ICD-10 codes were used to identify all atraumatic intracranial bleeds presenting to our neurosurgical centre (covering a population of 1.3 million). Trained researchers extracted data on anticoagulant medication in the week prior to diagnosis of intracranial bleed. Provincial prescription data for OACs were obtained from IMS Brogan CompuScript Market Dynamics. The primary outcome was the incident OAC-associated intracranial bleed time trend between 2009 and 2013. The secondary outcomes were the non-OAC associated intracranial bleed time trend, and the provincial OAC prescription trends. Results 2050 patients presented with atraumatic intracranial bleeds. 371 (18%) patients were prescribed an anticoagulant, of which 335 were OACs. There was an increasing trend over time in the rate of anticoagulant associated bleeding (p=0.009) and non-anticoagulant associated bleeding (p=0.063). Warfarin accounted for a disproportionately large number of all OAC-associated bleeds compared to prescription prevalence. Dabigatran, rivaroxaban and apixaban accounted for a smaller proportion of OAC bleeds when compared to prescription prevalence. Conclusion We found an increasing number of patients treated for intracranial bleeding over time. Warfarin accounted for a disproportionate number of intracranial bleeds and the new oral anticoagulants, fewer than expected.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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 ».