Predictors of Bleeding in the Perioperative Anticoagulant Use for Surgery Evaluation Study
Notice bibliographique
Résumé
Background In the PAUSE (Perioperative Anticoagulant Use for Surgery Evaluation) Study, a simple, standardized, perioperative interruption strategy was provided for patients with nonvalvular atrial fibrillation taking direct oral anticoagulants (DOACs). Our objective was to define the factors associated with perioperative bleeding. Methods and Results We analyzed bleeding as the composite of major and clinically relevant nonmajor bleeding. Putative predictors of bleeding, and preoperative DOAC level were prospectively collected during recruitment. We used stratified logistic regression models for analysis. All statistical analyses were performed in R version 3.6.0. There were 3007 patients requiring perioperative DOAC interruption. More than one third of the included patients underwent a high bleeding risk procedure. The 30‐day rates of major and clinically relevant nonmajor bleeding were 3.02% in apixaban (n=1257), 2.84% in dabigatran (n=668), and 4.16% for rivaroxaban (n=1082). Multivariate analysis stratified by region found more bleeding for hypertension (odds ratio [OR], 1.79; 95% CI 1.07‐2.99; P =0.027), and prior bleeding (OR, 1.71; 95% CI, 1.08‐2.71; P =0.021). Surgical bleed risk classification (high‐ versus low‐risk) as a predictor of bleeding was only significant in the univariate analysis. The prediction model for major and clinically relevant nonmajor bleeding had an area under the curve of 0.71, and the preoperative DOAC level did not improve the area under the curve of the model. Conclusions In patients treated with DOACs who required an elective surgery/procedure and were managed with standardized DOAC interruption and resumption, there we did not find reversible risk factors for bleeding, suggesting that adjustment of the PAUSE management protocol to mitigate against bleeding is not needed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».