The Khorana score for prediction of venous thromboembolism in cancer patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
We aimed to evaluate the performance of the Khorana score in predicting venous thromboembolic events in ambulatory cancer patients. Embase and MEDLINE were searched from January 2008 to June 2018 for studies which evaluated the Khorana score. Two authors independently screened studies for eligibility, extracted data, and assessed risk of bias. Additional data on the 6-month incidence of venous thromboembolism were sought by contacting corresponding authors. The incidence in each Khorana score risk group was estimated with random effects meta-analysis. A total of 45 articles and eight abstracts were included, comprising 55 cohorts enrolling 34,555 ambulatory cancer patients. For 27,849 patients (81%), 6-month follow-up data were obtained. Overall, 19% of patients had a Khorana score of 0 points, 64% a score of 1 or 2 points, and 17% a score of 3 or more points. The incidence of venous thromboembolism in the first six months was 5.0% (95%CI: 3.9-6.5) in patients with a low-risk Khorana score (0 points), 6.6% (95%CI: 5.6-7.7) in those with an intermediate-risk Khorana score (1 or 2 points), and 11.0% (95%CI: 8.8-13.8) in those with a high-risk Khorana score (3 points or higher). Of the patients with venous thromboembolism in the first six months, 23.4% (95%CI: 18.4-29.4) had been classified as high risk according to the Khorana score. In conclusion, the Khorana score can be used to select ambulatory cancer patients at high risk of venous thromboembolism for thromboprophylaxis; however, most events occur outside this high-risk group.
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 | 0,017 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,036 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».