Consensus on the Rational Use of Antithrombotics in Veterinary Critical Care (CURATIVE): Domain 1—Defining populations at risk
Notice bibliographique
Résumé
OBJECTIVES: Thrombosis is a well-recognized phenomenon in dogs and cats with a significant impact on morbidity and mortality. Despite growing awareness of thrombosis and increased use of antithrombotic therapy, there is little information in the veterinary literature to guide the use of anticoagulant and antiplatelet medications. The goal of Domain 1 was to explore the association between disease and thrombosis in a number of conditions identified as potential risk factors in the current veterinary literature, to provide the basis for prescribing recommendations. DESIGN: A population exposure comparison outcome format was used to represent patient, exposure, comparison, and outcome. Population Exposure Comparison Outcome questions were distributed to worksheet authors who performed comprehensive searches, summarized the evidence, and created guideline recommendations that were reviewed by domain chairs. Revised guidelines then underwent the Delphi survey process to reach consensus on the final guidelines. Diseases evaluated included immune-mediated hemolytic anemia, protein-losing nephropathy, pancreatitis, glucocorticoid therapy, hyperadrenocorticism, neoplasia, sepsis, cerebrovascular disease, and cardiac disease. SETTINGS: Academic and referral veterinary medical centers. RESULTS: Of the diseases evaluated, a high risk for thrombosis was defined as dogs with immune-mediated hemolytic anemia or protein-losing nephropathy, cats with cardiomyopathy and associated risk factors, or dogs/cats with >1 disease or risk factor for thrombosis. Low or moderate risk for thrombosis was defined as dogs or cats with a single risk factor or disease, or dogs or cats with known risk factor conditions that are likely to resolve in days to weeks following treatment. CONCLUSIONS: Documented disease associations with thrombosis provide the basis for recommendations on prescribing provided in subsequent domains. Numerous knowledge gaps were identified that represent opportunities for future study.
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 | 0,105 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».