Upper Extremity DVT versus Lower Extremity DVT: Perspectives from the GARFIELD-VTE Registry
Notice bibliographique
Résumé
Abstract Upper extremity deep vein thrombosis (UEDVT) is less common than lower extremity DVT (LEDVT) and consequently less well characterized. This study compared clinical characteristics and 1-year outcomes between 438 UEDVT patients and 7,602 LEDVT patients recruited in the GARFIELD-VTE registry. UEDVT patients were significantly more likely to have a central venous catheter than those with LEDVT (11.5% vs. 0.5%; p < 0.0001), and had a higher rate of active cancer (16.2%) or recent hospitalization (19.4%) compared with LEDVT patients (8.7% and 11.2%, respectively). Nearly all patients with UEDVT and LEDVT were initiated on anticoagulant therapy, which was a direct oral anticoagulant in one-third individuals in both groups. At 3, 6, and 12 months, the proportion of UEDVT and LEDVT patients who were receiving anticoagulant therapy was 82.6 and 87.4%, 66.0 and 72.6%, and 45.7 and 54.6%, respectively. In the UEDVT and LEDVT groups, VTE recurrence rate was 4.0 (95% confidence interval [CI], 2.4–6.7) and 5.5 (95% CI, 4.9–6.1) per 100 person-years, respectively; major bleed was noted in 1.3 (95% CI, 0.6–3.2) and 1.6 (95% CI, 1.3–1.9) per 100 person-years and all-cause mortality in 9.7 (95% CI, 7.1–13.4) and 6.7 (95% CI, 6.1–7.3) per 100 person-years, respectively. Hence, risk of recurrence was similar in the two groups whereas all-cause mortality was significantly higher in the UEDVT group than the LEDVT group (p = 0.0338). This latter finding was likely due to the high prevalence of cancer in the UEDVT 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 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) | 0,006 | 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 ».