Venous Thromboembolism in Hospitalized COVID-19 Patients: Systematic Review
Notice bibliographique
Résumé
Background Coagulopathy associated with COVID-19 infection and venous thromboembolism (VTE) have emerged as significant contributors to morbidity among patients infected with SARS-CoV-2. Objective We performed a systematic review to estimate VTE incidence in hospitalized patients and to analyze characteristic factors in the VTE cohort. Methods We searched PubMed and Google Scholar using specified title search terms “SARS-CoV-2” or “COVID-19” and “venous thromboembolism” and “anticoagulation” among others to identify peer-reviewed journal articles published between June 22, 2019, and June 22, 2020. Data were systematically extracted and synthesized using Microsoft Excel for analysis. The main outcome was VTE incidence, and measures included patient characteristics, anticoagulation, and clinical outcomes with assessment for associations. Results In total, 14 studies were included comprising 1677 patients. Most patients (n=1306, 82.4%) received anticoagulation (either VTE prophylaxis or treatment). VTE incidence was 26.9% (SE 3.1; 95% CI 20.8-33.1) and was correlated with systematic screening (r2=0.34, P=.03) and study duration (r2=–0.33, P=.03). D-dimer was higher for the VTE cohort (5.62 [SD 0.9] vs 1.43 [SD 0.6]; P<.001). Odds of VTE were higher at the intensive care unit (odds ratio [OR] 6.38, 95% CI 3.67-11.11; P<.001) but lower with anticoagulation (OR 0.58, 95% CI 0.36-0.92; P=.02). Conclusions Despite the utilization of background anticoagulation, VTE incidence was historically high. Future studies are needed to provide additional data to guide optimal VTE prophylaxis and diagnostic strategies.
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 | 0,028 | 0,841 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».