Risk Factors in Hospitalized Patients for Heparin-Induced Thrombocytopenia by Real World Database: A New Role for Primary Hypercoagulable States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: The aims of the study were to identify predictors of heparin-induced thrombocytopenia (HIT) in hospitalized adults, and to find additional factors associated with higher odds of HIT in primary hypercoagulable states. Methods: A retrospective matched case-control study using discharge data from National Inpatient Sample database (2012 - 2014) was conducted. In primary outcome analysis, hospitalized patients with and without HIT were included as cases and controls, both matched for age and gender. In secondary outcome analysis, hospitalized patients with primary hypercoagulable states with and without HIT were included as cases and controls, both matched for age and gender. The statistical analyses were performed using Statistical Package for Social Sciences version 25. Results: There are several predictors of HIT in hospitalized patients, such as obesity, malignancy, diabetes, renal failure, major surgery, congestive heart failure, and autoimmune diseases. In patients with primary hypercoagulable states, the presence of renal failure (odds ratio (OR) 2.955, 95% confidence interval (CI) 1.994 - 4.380), major surgery (OR 1.735, 95% CI 1.275 - 2.361), congestive heart failure (OR 4.497, 95% CI 2.466 - 8.202), or autoimmune diseases (OR 1.712, 95% CI 1.120 - 2.618) further increases the odds of HIT. Conclusions: In hospitalized patients with primary hypercoagulable states, especially in association with renal failure, major surgery, congestive heart failure, or autoimmune diseases, unfractionated heparin should be used with caution.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle