Aetiology, diagnosis and treatment of moderate-to-severe haemoptysis in a North American academic centre
Notice bibliographique
Résumé
Significant haemoptysis is a frightening event for patients and clinicians alike. There is a paucity of contemporary literature on the subject. A retrospective analysis of hospitalisations for haemoptysis of more than 50 mL·day−1in a tertiary referral centre during a 5-year period was performed. Patient's characteristics, haemoptysis aetiology, management and outcome were individually recorded. The aim of this study was to detail the causes of moderate (50–200 mL·day−1) to severe (>200 mL·day−1) haemoptysis along with the diagnostic measures and treatment options used in their management in a 21st century, tertiary-care North American centre. A total of 165 hospitalisations for moderate-to-severe haemoptysis were included in the analysis. Lung cancer (30.3%) and bronchiectasis (27.9%) proved to be most frequent aetiologies. Computed tomography (CT) imaging and bronchoscopy were complementary in identifying the source of bleeding. Bronchial artery embolisation (BAE) was the most common treatment approach (61.8%) and resulted in initial bleeding control in 73.5% of cases. In-hospital mortality was 13.9%, varying from 3.3% in the moderate group to 24.7% in the severe group. Despite being the favoured approach in patients with more severe bleeding, initial BAE therapy was associated with a trend towards lower mortality compared to initial non-BAE therapy. In summary, lung cancer and bronchiectasis were the main causes of moderate-to-severe haemoptysis in our population, CT and bronchoscopy are complementary in identifying the source of bleeding, bleeding volume is associated with outcomes and BAE is a key management tool.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».