Individualized Venous Thromboembolism Risk Stratification Using the 2005 Caprini Score to Identify the Benefits and Harms of Chemoprophylaxis in Surgical Patients
Notice bibliographique
Résumé
OBJECTIVE: We performed a meta-analysis to investigate benefits and harms of chemoprophylaxis among surgical patients individually risk stratified for venous thromboembolism (VTE) using Caprini scores. SUMMARY OF BACKGROUND DATA: Individualized VTE risk stratification may identify high risk surgical patients who benefit from peri-operative chemoprophylaxis. METHODS: MEDLINE, EMBASE, and the Cochrane Library (CENTRAL) databases were queried. Eligible studies contained data on postoperative VTE and/or bleeding events with and without chemoprophylaxis. Primary outcomes included rates of VTE and clinically relevant bleeding after surgical procedures, stratified by Caprini score. A meta-analysis was conducted using a random-effects model. RESULTS: Among 13 included studies, 11 (n = 14,776) contained data for VTE events and 8 (n = 7590) contained data for clinically relevant bleeding with and without chemoprophylaxis. The majority of patients received mechanical prophylaxis. A 14-fold variation in VTE risk (from 0.7% to 10.7%) was identified among surgical patients who did not receive chemoprophylaxis, and patients at increased levels of Caprini risk were significantly more likely to have VTE. Patients with Caprini scores of 7 to 8 [odds ratio (OR) 0.60, 95% confidence interval (95% CI) 0.37-0.97] and >8 (OR 0.41, 95% CI 0.26-0.65) had significant VTE risk reduction after surgery with chemoprophylaxis. Patients with Caprini scores ≤6 comprised 75% of the overall population, and these patients did not have a significant VTE risk reduction with chemoprophylaxis. No association between postoperative bleeding risk and Caprini score was identified. CONCLUSIONS: The benefit of peri-operative VTE chemoprophylaxis was only found among surgical patients with Caprini scores ≥7. Precision medicine using individualized VTE risk stratification helps ensure that chemoprophylaxis is used only in appropriate surgical patients and may minimize bleeding complications.
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 | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,046 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».