MétaCan
Menu
Retour à la cohorte
Enregistrement W2945110568 · doi:10.3390/jcm8050728

Advance in the Management of Sepsis-Induced Coagulopathy and Disseminated Intravascular Coagulation

2019· review· en· W2945110568 sur OpenAlexaff
Toshiaki Iba, Jerrold H. Levy, Aditya Raj, Theodore E. Warkentin

Notice bibliographique

RevueJournal of Clinical Medicine · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineCoagulopathyDisseminated intravascular coagulationSepsisIntensive care medicineThrombosisExtracellular vesicleInternal medicine

Résumé

récupéré en direct d'OpenAlex

Coagulopathy commonly occurs in sepsis as a critical host response to infection that can progress to disseminated intravascular coagulation (DIC) with an increased mortality. Recent studies have further defined factors responsible for the thromboinflammatory response and intravascular thrombosis, including neutrophil extracellular traps, extracellular vesicles, damage-associated molecular patterns, and endothelial glycocalyx shedding. Diagnosing DIC facilitates sepsis management, and is associated with improved outcomes. Although the International Society on Thrombosis and Haemostasis (ISTH) has proposed criteria for diagnosing overt DIC, these criteria are not suitable for early detection. Accordingly, the ISTH DIC Scientific Standardization Committee has proposed a new category termed "sepsis-induced coagulopathy (SIC)" to facilitate earlier diagnosis of DIC and potentially more rapid interventions in these critically ill patients. Therapy of SIC includes both treatment of the underlying infection and correcting the coagulopathy, with most therapeutic approaches focusing on anticoagulant therapy. Recently, a phase III trial of recombinant thrombomodulin was performed in coagulopathic patients. Although the 28-day mortality was improved by 2.6% (absolute difference), it did not reach statistical significance. However, in patients who met entry criteria for SIC at baseline, the mortality difference was approximately 5% without increased risk of bleeding. In this review, we discuss current advances in managing SIC and DIC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,313
Tête enseignante GPT0,540
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations175
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207