A practical approach to evaluating postoperative thrombocytopenia
Notice bibliographique
Résumé
Identifying the cause(s) of postoperative thrombocytopenia is challenging. The postoperative period includes numerous interventions, including fluid administration and transfusion of blood products, medication use (including heparin), and increased risk of organ dysfunction and infection. Understanding normal thrombopoietin physiology and the associated expected postoperative platelet count changes is the crucial first step in evaluation. Timing of thrombocytopenia is the most important feature when differentiating causes of postoperative thrombocytopenia. Thrombocytopenia within 4 days of surgery is commonly caused by hemodilution and increased perioperative platelet consumption prior to thrombopoietin-induced platelet count recovery and transient platelet count overshoot. A much broader list of possible conditions that can cause late-onset thrombocytopenia (postoperative day 5 [POD5] or later) is generally divided into consumptive and destructive causes. The former includes common (eg, infection-associated disseminated intravascular coagulation) and rare (eg, postoperative thrombotic thrombocytopenic purpura) conditions, whereas the latter includes such entities as drug-induced immune thrombocytopenia or posttransfusion purpura. Heparin-induced thrombocytopenia is a unique entity associated with thrombosis that is typically related to intraoperative/perioperative heparin exposure, although it can develop following knee replacement surgery even in the absence of heparin exposure. Very late onset (POD10 or later) of thrombocytopenia can indicate bacterial or fungal infection. Lastly, thrombocytopenia after mechanical device implantation requires unique considerations. Understanding the timing and severity of postoperative thrombocytopenia provides a practical approach to a common and challenging consultation.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».