MétaCan
Menu
Retour à la cohorte
Enregistrement W3022570747 · doi:10.1055/s-0040-1710337

Coronavirus Disease 2019, Prothrombotic Factors, and Venous Thromboembolism

2020· review· en· W3022570747 sur OpenAlexaff
Sam Schulman

Notice bibliographique

RevueSeminars in Thrombosis and Hemostasis · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensThrombosis and Atherosclerosis Research InstituteMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)Disseminated intravascular coagulationSepsisVenous thromboembolismIntensive care medicineVenous thrombosisDiseaseCoronavirus disease 2019 (COVID-19)CoagulationD-dimerCoagulopathyThrombosisPulmonary embolismInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Coronavirus disease 2019 (COVID-19) is causing devastating morbidity and mortality worldwide. Several studies have shown that the severely ill patients have high or very high D-dimer values, and a hypercoagulable state has been described with, in some cases, development of disseminated intravascular coagulation (DIC). A few reports have indicated that there seems to be a higher incidence of venous thromboembolism than expected in otherwise severely ill patients. In this article, we will discuss the prothrombotic changes observed and to what extent they are specific for COVID-19. The incidence of thromboembolic events will be compared with those reported in sepsis and severe influenza A H1N1. The emphasis is on venous events, which have been the most frequently reported events. Finally, the intensity of pharmacological prophylaxis against venous thromboembolism will be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,204
Tête enseignante GPT0,486
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in Thrombosis and HemostasisMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207