Retrospective Cohort Study of Venous Thromboembolism Rates in Ambulatory Cancer Patients: Association With Khorana Score and Other Risk Factors
Notice bibliographique
Résumé
BACKGROUND: Guidelines do not recommend that cancer outpatients receive thromboprophylaxis unless at high venous thromboembolism (VTE) risk, with the Khorana score suggested for risk stratification. This study investigated VTE incidence in outpatients with pancreatic, endometrial, colorectal, ovarian and cervical cancer, the role of Khorana score in risk assessment and potential risk factors. METHODS: Data were retrospectively collected 1 year after cancer diagnosis. VTE associated with inpatient admissions was excluded. RESULTS: Seven hundred forty-six patients were included. VTE rates varied: 26.8% pancreatic; 5.7% endometrial; 9.8% colorectal; 10.2% ovarian; and 0.0% cervical cancer. Excluding VTE at diagnosis, potentially preventable VTE rates were 16.5% in pancreatic, 3.8% in endometrial, 9.8% in colorectal and 8.7% in ovarian cancer. Khorana score was associated with VTE in endometrial cancer only (high-risk: 16.7% vs. low-risk: 1.5%; P < 0.001). VTE rates for patients with central venous catheters (CVCs) were 22.6-34.8% in pancreatic, endometrial, colorectal and ovarian cancers. VTE was associated with CVCs in endometrial, colorectal and ovarian; chemotherapy and Hb < 100 g/L in pancreatic; surgery in endometrial and ovarian; and body mass index > 35 in ovarian cancers following adjusted analysis (P < 0.05). CONCLUSIONS: VTE is a significant burden in pancreatic, endometrial, colorectal and ovarian cancers. Khorana score was not predictive in most cancers. The major VTE-associated variable was CVC. Our data suggest a role for clinical trials of thromboprophylaxis in targeted cancer outpatients.
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 | 0,000 |
| 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) | 0,000 | 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 ».