MétaCan
Menu
Retour à la cohorte
Enregistrement W2900800197 · doi:10.1111/ijn.12707

Meta‐analysis of risk and protective factors for gastrointestinal bleeding after percutaneous coronary intervention

2018· review· en· W2900800197 sur OpenAlexaboutno aff
Lan Wang, D. Pei, Yan‐Qiong Ouyang, Xiaofei Nie

Notice bibliographique

RevueInternational Journal of Nursing Practice · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueAntiplatelet Therapy and Cardiovascular Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGastrointestinal bleedingPercutaneous coronary interventionMyocardial infarctionInternal medicineCochrane LibrarySurgeryMeta-analysis

Résumé

récupéré en direct d'OpenAlex

AIM: To quantitatively analyse factors related to gastrointestinal bleeding after percutaneous coronary intervention and provide evidence for the prevention of gastrointestinal bleeding. DATA SOURCES AND REVIEW METHODS: Cochrane Library, Pubmed, Embase, and Ovid databases were searched from inception to 31 May 2018; case-control and cohort studies published in English were included. The methodological quality of each study was assessed by two independent reviewers using the Newcastle-Ottawa Scale. Meta-analysis was performed using Revman version 5.3. RESULTS: A total of 16 publications yielded data about risk factors. It was found that age older than 70 years, age (per 10-year increase), female sex, baseline anaemia, history of smoking, history of using alcohol, history of peptic ulcer disease, chronic renal failure, previous bleeding, shock, congestive heart failure, acute myocardial infarction, prior use of inotropic medications, and prior use of antithrombotic medications were positively associated with gastrointestinal bleeding. Four articles yielded data about protective factors. It was found that proton-pump inhibitor and bivalirudin therapy were negatively associated with gastrointestinal bleeding after percutaneous coronary intervention. CONCLUSION: This research found risk and protective factors which can assist in effective management of this potentially fatal complication.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,424
Score d'incertitude au seuil0,777

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,005
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,097
Tête enseignante GPT0,412
Écart entre enseignants0,315 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing PracticeMême sujetAntiplatelet Therapy and Cardiovascular DiseasesTravaux en français237 207