Estimation of Acutely Ill Medical Patients at Venous Thromboembolism Risk Eligible for Extended Thromboprophylaxis Using APEX Criteria in US Hospitals
Notice bibliographique
Résumé
Major medical illnesses place patients at risk of venous thromboembolism (VTE). Some risk factors including age ≥75 years or history of cancer place them at increased risk of VTE that extends for at least 5 to 6 weeks following hospital admission. Betrixaban thromboprophylaxis is now approved in the United States for this indication. We estimated the annual number of acutely ill medical patients at extended risk of VTE discharged from US hospital. Major medical illnesses (stroke, respiratory failure/chronic obstructive pulmonary disease, heart failure, pneumonia, other infections, and rheumatologic disorders) and 2 common risk factors for extended VTE risk, namely, age ≥75 years and history of cancer (active or past) were examined in 2014 US hospital discharges using the first 3 discharge diagnosis codes in the National Inpatient Sample (database of acute-care hospital discharges from the US Agency for Health Care Quality and Research). In 2014, there were 20.8 million discharges with potentially at risk of nonsurgical-related VTE. Overall, 7.2 million (35%) discharges corresponded to major medical illness that warranted thromboprophylaxis according to 2012 American College of Chest Physicians (ACCP) guideline. Among them, 2.79 million were aged ≥75 years and 1.36 million had a history of cancer (aged 40-74 years). Overall, 3.48 million discharges were at extended risk of VTE. Many medical inpatients at risk of VTE according to 2012 ACCP guideline might benefit from the awareness of continuing risk and some of these patients might benefit from extended thromboprophylaxis, depending on the risk of bleeding and comorbidities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».