Anticoagulation therapy in COVID-19 patients with chronic kidney disease
Notice bibliographique
Résumé
Coagulopathy and derangements in the coagulation parameters are significant features of COVID-19 infection, which increases the risk of disseminated intravascular coagulation, thrombosis, and hemorrhage in these patients, resulting in increased morbidity and mortality. In times of COVID-19, special consideration should be given to patients with concurrent chronic kidney disease (CKD) and COVID-19 (CKD/COVID-19 patients) as renal dysfunction increases their risk of thrombosis and hemorrhage, and falsely affects some of the coagulation factors, which are currently utilized to assess thrombosis risk in patients with COVID-19. Hence, we believe extra attention should be given to determining the risk of thrombosis and bleeding and optimizing the timing and dosage of anticoagulant therapy in this unique population of patients. CKD/COVID-19 patients are considered a high-risk population for thrombotic events and hemorrhage. Furthermore, effects of renal function on paraclinical and clinical data should be considered during the evaluation and interpretation of thrombosis risk stratification. Individualized evaluation of clinical status and kidney function is necessary to determine the best approach and management for anticoagulant therapy, whereas there is a lack of studies about the population of CKD/COVID-19 patients who need anticoagulant therapy now.
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 | 0,027 | 0,252 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 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 ».