Abstract 211: A Comparison of Bleeding in Patients Treated with Clopidogrel or Prasugrel in a US Hospital Database
Notice bibliographique
Résumé
Background: Newer, more potent antiplatelet therapy is commonly perceived as being associated with a higher incidence of bleeding complications. There are limited real-world data on bleeding among patients with acute coronary syndrome (ACS) who have undergone percutaneous coronary intervention (PCI) with new antiplatelet therapy. The objective of this study was to compare “real-world” incidence of bleeding among patients on clopidogrel vs. prasugrel therapy in a large database from diverse US hospitals. Methods: We analyzed patient characteristics and the incidence of bleeding complications during the index (first) hospitalization among ACS-PCI patients treated with clopidogrel or prasugrel between July 2009 and June 2011. Bleeding was defined as the presence of bleeding ICD-9 codes and transfusion. Cohort differences in outcomes were assessed with unadjusted chi-square tests and adjusted for demographics and baseline clinical differences using logistic regression. Results: 105,490 patients received clopidogrel and 10,544 received prasugrel. Among clopidogrel and prasugrel patients, respectively, 66% and 75% were men, 37% and 46% presented with STEMI, with median age of 64 and 57. During the index hospitalization, the unadjusted incidence of bleeding events was 7% in clopidogrel-treated patients and 4% in prasugrel-treated patients (P<0.0001). Similar patterns were reported in key subgroups (e.g. ACS types, heart failure, anemia, diabetes, renal insufficiency), as well as after a multivariate adjustment. Conclusion: It appears that observed bleeding complications among patients treated with prasugrel is not higher than those treated with clopidogrel, even after multivariate adjustments. However, the potential for unobserved confounders remains a limitation for such observational research. It is conceivable that appropriate patient selection helps to control bleeding complications, as shown here in this large, “real-world” database.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».