Assessing the risk of venous thromboembolism (VTE) in ambulatory patients with cancer: Rationale and implementation of a pharmacist-led VTE risk assessment program in an ambulatory cancer centre
Notice bibliographique
Résumé
Objectives The objectives of this paper were to identify and compare clinical prediction models used to assess the risk of venous thromboembolism (VTE) in ambulatory patients with cancer, as well as review the rationale and implementation of a pharmacist-led VTE screening program using the Khorana Risk Score model in an ambulatory oncology centre in Sault Ste. Marie, Ontario, Canada. Data Sources PubMed was used to identify clinical practice guidelines and review articles discussing risk prediction models used to assess VTE risk in ambulatory patients with cancer. Data Summary Three commonly used VTE risk prediction models in ambulatory patients with cancer: the Khorana Risk Score, Vienna Cancer and Thrombosis Study (CATS) and Protecht Score, were identified via literature review. After considering guideline recommendations, site-specific factors (i.e. laboratory costs, time pharmacists spent calculating VTE risk) and evidence from the CASSINI and AVERT trials, a novel pharmacist-led VTE risk assessment program using the Khorana Risk Score was developed during a fourth-year PharmD clinical rotation at the Algoma District Cancer Program (ADCP) [ambulatory cancer care centre]. ADCP patients with a Khorana Risk Score of [Formula: see text] were referred to the hematologist for a full VTE workup. Considering limitations, inclusion and exclusion criteria of the CASSINI and AVERT trials, the hematologist and pharmacy team decided on appropriate initiation of thromboprophylaxis with a direct oral anticoagulant (DOAC). Conclusions The Khorana Risk Score was the chosen model used for the pharmacist-led VTE risk assessment program due to its user-friendly scoring algorithm, evidence from validation studies and clinical trials, as well as ease of integration into pharmacy workflow. More research is needed to determine if pharmacist-led VTE risk assessment programs will impact patient outcomes, such as morbidity and mortality, secondary to cancer-associated thrombosis.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».