Heparin for Moderately Ill Patients with Covid-19
Notice bibliographique
Résumé
BACKGROUND: Heparin, in addition to its anticoagulant properties, has anti-inflammatory and potential anti-viral effects, and may improve endothelial function in patients with Covid-19. Early initiation of therapeutic heparin could decrease the thrombo-inflammatory process, and reduce the risk of critical illness or death. METHODS: We randomly assigned moderately ill hospitalized ward patients admitted for Covid-19 with elevated D-dimer level to therapeutic or prophylactic heparin. The primary outcome was a composite of death, invasive mechanical ventilation, non-invasive mechanical ventilation or ICU admission. Safety outcomes included major bleeding. Analysis was by intention-to-treat. RESULTS: At 28 days, the primary composite outcome occurred in 37 of 228 patients (16.2%) assigned to therapeutic heparin, and 52 of 237 patients (21.9%) assigned to prophylactic heparin (odds ratio, 0.69; 95% confidence interval [CI], 0.43 to 1.10; p=0.12). Four patients (1.8%) assigned to therapeutic heparin died compared with 18 patients (7.6%) assigned to prophylactic heparin (odds ratio, 0.22; 95%-CI, 0.07 to 0.65). The composite of all-cause mortality or any mechanical ventilation occurred in 23 (10.1%) in the therapeutic heparin group and 38 (16.0%) in the prophylactic heparin group (odds ratio, 0.59; 95%-CI, 0.34 to 1.02). Major bleeding occurred in 2 patients (0.9%) with therapeutic heparin and 4 patients (1.7%) with prophylactic heparin (odds ratio, 0.52; 95%-CI, 0.09 to 2.85). CONCLUSIONS: In moderately ill ward patients with Covid-19 and elevated D-dimer level, therapeutic heparin did not significantly reduce the primary outcome but decreased the odds of death at 28 days. Trial registration numbers: NCT04362085 ; NCT04444700.
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 | 0,001 | 0,098 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».