Update from the clinic: what’s new in the diagnosis of cancer-associated thrombosis?
Notice bibliographique
Résumé
Malignancy is associated with a high risk of venous thromboembolism (VTE), and treatment with anticoagulant therapy is associated with a high risk of bleeding. Thus, accurate and timely VTE diagnosis in cancer patients is essential for identifying individuals who would benefit from anticoagulant therapy and for avoiding unnecessary treatment that can cause anticoagulant-related bleeding. The approach to the diagnosis of VTE in non-cancer patients involves a stepwise process beginning with an assessment of the pretest probability (PTP) of VTE using a validated clinical prediction rule (CPR) followed by D-dimer testing and/or diagnostic imaging. In patients with a low PTP and a negative D-dimer result, VTE can be excluded without additional imaging. However, published data suggest that CPRs and D-dimer testing may not be as accurate or as useful in patients with cancer. Studies have shown that the combination of a low PTP and negative D-dimer result is not efficient for exclusion of deep vein thrombosis (DVT) or pulmonary embolism (PE) in the cancer patient population because the vast majority of patients still require radiologic imaging. We propose that cancer patients with suspected VTE should proceed directly to radiologic imaging to confirm or exclude a diagnosis of DVT or PE.
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) | 0,003 | 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 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 ».