72THE IMPACT OF ADOPTING LOW MOLECULAR WEIGHT HEPARIN IN PLACE OF ASPIRIN AS ROUTINE THROMBOPROPHYLAXIS FOR PATIENTS WITH HIP FRACTURE
Notice bibliographique
Résumé
Introduction: Deep vein thrombosis (DVT) is a significant cause of morbidity and mortality following hip fractures. National Institute of Health and Care Excellence guidelines recommended both mechanical and pharmacological measures (NICE CG96, 2010); calling for anticoagulant use rather than aspirin. We examine the impact of changing our unit’s pharmacological thromboprophylaxis policy in response to this recommendation. Methods: We examined data for patients presenting with hip fracture in a single UK trauma centre between 2007 and 2017; before and after our change in practice from use of aspirin to low molecular weight heparin (LMWH) in June-2010. Concern about the safety of compression stockings meant the rate of mechanical prophylaxis remained low across this period. We excluded 544/5,584 patients who normally reside outside our catchment area. Data for the remaining 5,039 was compared with medical physics records to all Doppler ultrasound scans they had undergone in this period. We examined the impact of the change of practice by calculating rates of lower-limb DVT in affected and unaffected limbs, both before and after hip fracture. Results: 913 patients (18.1%) received Doppler scans. 307 scans (33.6%) were prior to the fracture, but 400 were ‘relevant scans’ in the 180 days after a hip fracture. These identified 40 ipsilateral and 14 contralateral DVTs (p = <0.001). Fewer DVTs occurred after June-2010; 29/3,475 patients compared to 25/1,542 in previous years. The rate of DVT reduced significantly following the change in departmental policy; from 1.62% to 0.83% of patients with hip fracture (p = 0.012). Conclusions: This retrospective study suggests the rate of clinical DVT fell by half following this change in pharmacological prophylaxis. Our figure of <1% for the incidence of clinical DVT in a unit that routinely uses just LMWH following hip fracture will provide a context for discussions of alternative strategies, and for power calculations for future research.
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 | 0,002 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».