MétaCan
Menu
Retour à la cohorte
Enregistrement W2749004989 · doi:10.3389/fmed.2017.00142

Cancer-Associated Venous Thromboembolism: A Practical Review Beyond Low-Molecular-Weight Heparins

2017· review· en· W2749004989 sur OpenAlexaff
Alannah Smrke, Peter L. Gross

Notice bibliographique

RevueFrontiers in Medicine · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueVenous Thromboembolism Diagnosis and Management
Établissements canadiensThrombosis and Atherosclerosis Research InstituteMcMaster University
Organismes subventionnairesnon disponible
Mots-clésVenous thromboembolismCancerMedicineIntensive care medicineInternal medicineThrombosis

Résumé

récupéré en direct d'OpenAlex

Patients with cancer are at significantly higher risk of developing, and dying from, venous thromboembolism (VTE). The CLOT trial demonstrated superiority of low-molecular-weight heparins (LMWH) over warfarin for recurrent VTE and established LMWH as the standard of care for cancer-associated VTE. However, with patients living longer with metastatic cancer, long-term injections are associated with significant cost and injection fatigue. Direct oral anticoagulants (DOACs) are an attractive alternative for treatment of cancer-associated VTE. Meta-analysis of subgroup data of patients with cancer from the large DOAC VTE trials and small non-randomized studies have found no difference in VTE recurrence or major bleeding. With this limited evidence, clinicians may decide to switch their patients who require long-term anticoagulation from LMWH to a DOAC. This requires careful consideration of the interplay between the patient's cancer and treatment course, with their underlying comorbidities.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,459
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0150,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,065
Tête enseignante GPT0,414
Écart entre enseignants0,349 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetVenous Thromboembolism Diagnosis and ManagementTravaux en français237 207