Predictors of Post-Thrombotic Ulcer after Acute DVT: The RIETE Registry
Notice bibliographique
Résumé
Abstract In patients with deep-vein thrombosis (DVT) in the lower limbs, venous ulcer is the most debilitating and end-stage clinical expression of the post-thrombotic syndrome (PTS). To date, risk factors for PTS-related ulcer in DVT patients have not been identified. We used the international observational RIETE registry to assess the evolution of PTS signs and symptoms during a 3-year follow-up period and to identify independent predictors of PTS ulcer at 1 year in patients with acute DVT. Among 1,866 eligible patients, cumulative rates of PTS ulcer at 1, 2 and 3 years were 2.7% (n = 50), 4.3% (n = 54) and 7.1% (n = 60), respectively. The proportion of patients with PTS symptoms at 1, 2 or 3 years remained stable (≈40%), while the proportion of patients with PTS signs increased slightly over time (from 49 to 53%). Prior history of venous thromboembolism (VTE) (odds ratio [OR] = 5.5 [2.8–10.9]), diabetes (OR = 2.3 [1.1–4.7]), pre-existing leg varicosities (OR = 3.2 [1.7–6.1]) and male sex (OR = 2.5 [1.3–5.1]) independently increased the risk of PTS ulcer at 1 year. Obesity also increased the risk but failed to reach statistical significance (OR = 1.8 [0.9–3.3]). DVT treatment characteristics (duration or drug) did not influence the risk. Our results evidence that after acute DVT, pre-existing leg varicosities, prior venous thromboembolism, diabetes and male gender independently increased the risk for PTS ulcer. This suggests that clinicians should consider strategies aimed to prevent ulcers in high-risk DVT patients, such as preventing VTE recurrence, use of stockings in those with pre-existing venous insufficiency, careful monitoring of diabetic patients and encouraging weight loss in obese patients.
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 | 0,002 |
| 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) | 0,001 | 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 ».