MétaCan
Menu
Retour à la cohorte
Enregistrement W2521157042 · doi:10.1161/circulationaha.116.023956

Point-of-Care Hemostatic Testing in Cardiac Surgery

2016· article· en· W2521157042 sur OpenAlexafffund
Keyvan Karkouti, Jeannie Callum, Duminda N. Wijeysundera, Vivek Rao, Mark Crowther, Hilary P. Grocott, Ruxandra Pinto, Damon C. Scales, Blaine Achen, Samrath Singh Brar, Douglas E. Morrison, Daniel Wong, Jean S. Bussières, T. de Waal, Christopher Harle, Étienne de Médicis, Charles McAdams, Shorabuddin Syed, Diem Tran, Terry Waters

Notice bibliographique

RevueCirculation · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma, Hemostasis, Coagulopathy, Resuscitation
Établissements canadiensVancouver Coastal HealthUniversity of OttawaHamilton Health SciencesHôpital FleurimontLondon Health Sciences CentreAlberta Health ServicesSouthlake Regional Health CenterRoyal Columbian HospitalSunnybrook Health Science CentreSt. Michael's HospitalUniversity of ManitobaInstitut universitaire de cardiologie et de pneumologie de QuébecHealth Sciences CentreUniversity Health NetworkUniversity of Alberta HospitalMcMaster UniversityToronto General HospitalUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineCryoprecipitateBlood transfusionBlood managementSurgeryHemostasisContext (archaeology)Cardiac surgeryFresh frozen plasmaPoint-of-care testingRandomizationCardiopulmonary bypassClinical endpointRandomized controlled trialEmergency medicineAnesthesiaPlateletInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cardiac surgery is frequently complicated by coagulopathic bleeding that is difficult to optimally manage using standard hemostatic testing. We hypothesized that point-of-care hemostatic testing within the context of an integrated transfusion algorithm would improve the management of coagulopathy in cardiac surgery and thereby reduce blood transfusions. METHODS: We conducted a pragmatic multicenter stepped-wedge cluster randomized controlled trial of a point-of-care-based transfusion algorithm in consecutive patients undergoing cardiac surgery with cardiopulmonary bypass at 12 hospitals from October 6, 2014, to May 1, 2015. Following a 1-month data collection at all participating hospitals, a transfusion algorithm incorporating point-of-care hemostatic testing was sequentially implemented at 2 hospitals at a time in 1-month intervals, with the implementation order randomly assigned. No other aspects of care were modified. The primary outcome was red blood cell transfusion from surgery to postoperative day 7. Other outcomes included transfusion of other blood products, major bleeding, and major complications. The analysis adjusted for secular time trends, within-hospital clustering, and patient-level risk factors. All outcomes and analyses were prespecified before study initiation. RESULTS: Among the 7402 patients studied, 3555 underwent surgery during the control phase and 3847 during the intervention phase. Overall, 3329 (45.0%) received red blood cells, 1863 (25.2%) received platelets, 1645 (22.2%) received plasma, and 394 (5.3%) received cryoprecipitate. Major bleeding occurred in 1773 (24.1%) patients, and major complications occurred in 740 (10.2%) patients. The trial intervention reduced rates of red blood cell transfusion (adjusted relative risk, 0.91; 95% confidence interval, 0.85-0.98; P=0.02; number needed to treat, 24.7), platelet transfusion (relative risk, 0.77; 95% confidence interval, 0.68-0.87; P<0.001; number needed to treat, 16.7), and major bleeding (relative risk, 0.83; 95% confidence interval, 0.72-0.94; P=0.004; number needed to treat, 22.6), but had no effect on other blood product transfusions or major complications. CONCLUSIONS: Implementation of point-of-care hemostatic testing within the context of an integrated transfusion algorithm reduces red blood cell transfusions, platelet transfusions, and major bleeding following cardiac surgery. Our findings support the broader adoption of point-of-care hemostatic testing into clinical practice. CLINICAL TRIAL REGISTRATION: URL: http://www.clinicaltrials.gov. Unique identifier: NCT02200419.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,244
Score d'incertitude au seuil0,338

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,283
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations313
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetTrauma, Hemostasis, Coagulopathy, ResuscitationTravaux en français237 207