Risk and complications of venous thromboembolism in dialysis patients
Notice bibliographique
Résumé
Background: Contemporary data on venous thromboembolism (VTE) risk in dialysis patients are limited. Our objective was to determine the risk and complications of VTE among incident maintenance dialysis patients. Methods: We performed a retrospective cohort study using administrative databases. We included adult incident dialysis patients from 2004 to 2010 (n = 13 315). Dialysis patients were age- and sex-matched to individuals of the general population using a 1:4 ratio (n = 53 260). We determined the 3-year cumulative incidence and incidence rate (IR) of VTE, pulmonary embolism (PE) and deep venous thrombosis (DVT). We examined outcomes of bleeding and all-cause mortality following a VTE event among matched dialysis patients who did and did not experience a VTE. We used Cox proportional hazards regression models, stratified on matched sets, to calculate the hazard ratios (HRs) for all outcomes of interest. Results: VTE occurred in 1114 (8.4%) dialysis patients compared with 1233 (2.3%) individuals in the general population {IR 37.1 versus 8.1 per 1000 person-years; HR 4.5 [95% confidence interval (CI) 4.1-4.9]; adjusted HR 2.9 (95% CI 2.6-3.4)}. Both components of VTE [PE and DVT; adjusted HR 4.0 (95% CI 2.9-5.6) and HR 2.8 (95% CI 2.4-3.2), respectively] occurred more frequently in dialysis patients. Compared with dialysis patients without a VTE, those with a VTE had a higher risk of bleeding [adjusted HR 2.0 (95% CI 1.3-2.9)] and all-cause mortality [adjusted HR 2.4 (95% CI 2.0-2.8)]. Conclusions: VTE is common in dialysis patients and confers a high risk of major bleeding and all-cause mortality. Thromboprophylaxis and VTE treatment studies in dialysis patients are needed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».