Development of a Clinical Prediction Rule for Venous Thromboembolism in Patients with Acute Leukemia
Notice bibliographique
Résumé
Abstract Risk factors for venous thromboembolism in patients with solid tumors are well studied; however, studies in patients with acute leukemia are lacking. We conducted a retrospective cohort study of adult patients diagnosed with acute myeloid leukemia and acute lymphoblastic leukemia diagnosed between June 2006 and June 2017 at a tertiary care center in Canada. Potential predictors of venous thromboembolism were evaluated using logistic regression and a risk score was derived based on weighed variables and compared using survival analysis. Internal validation was conducted using nonparametric bootstrapping. A total of 501 leukemia patients (427 myeloid and 74 lymphoblastic) were included. Venous thromboembolism occurred in 77(15.3%) patients with 71 events occurring in the first year. A prediction score was derived and validated and it included: previous history of venous thromboembolism (3 points), lymphoblastic leukemia (2 points), and platelet count > 50 × 109/L at the time of diagnosis (1 point). The overall cumulative incidence of venous thromboembolism was 44% in the high-risk group (≥ 3 points) versus 10.5% in the low-risk group (0–2 points) and it was consistent at different follow-up periods (log-rank p < 0.001). We derived and internally validated a predictive score of venous thromboembolism risk in acute leukemia patients.
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) | 0,000 | 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 ».