Prognostic value of platelet indices in patients with acute pulmonary thromboembolism
Notice bibliographique
Résumé
Introduction: Given the role of platelets in thrombus formation, markers of platelet activation may be able to predict outcomes in patients with acute pulmonary thromboembolism (PTE). Methods: In a prospective cohort study, 492 patients with acute PTE were enrolled. Patients were evaluated for platelet indices including mean platelet volume (MPV), platelet distribution width (PDW), and platelet-lymphocyte-ratio (PLR), as well as for the simplified Pulmonary Embolism Severity Index (PESI) risk score. The primary endpoint was in-hospital all-cause mortality. Major adverse cardiopulmonary events (MACPE, composite of mortality, thrombolysis, mechanical ventilation and surgical embolectomy during index hospitalization) and all-cause death during follow-up were secondary endpoints. <br /> Results: MPV, PDW and PLR were 9.9±1.0 fl, 13.5±6.1%, and 14.7±14.5, respectively, in the total cohort. Whilst MPV was higher in those with adverse events (10.1±1.0 vs 9.9±1.0 fl; P = 0.019), PDW and PLR were not different between two groups. MPV with a cut-off point of 9.85 fl had a sensitivity of 81% and a specificity of 50% in predicting in-hospital mortality, but it had lower performance in predicting MACPE (Area under the curve: AUC 0.58; 95%CI 0.52-0.63) or long-term mortality (AUC 0.54; 95% CI 0.47-0.61). The AUC for all these three markers were lower than the AUC calculated for the simplified PESI score (0.80; 0.71-0.88).<br /> Conclusion: Platelet indices had only fair-to-good predictive performance in predicting in-hospital all-cause death. Established PTE risk scoring models such as simplified PESI outperform these indices in predicting adverse outcomes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».