Growth differentiation factor‐15 for prediction of bleeding in cancer patients
Notice bibliographique
Résumé
BACKGROUND: Growth differentiation factor-15 (GDF-15) is a strong predictor for bleeding in patients with atrial fibrillation, but there are no data on cardiovascular outcomes for this biomarker in cancer patients. Bleeding risk assessment is important in cancer patients when considering primary thromboprophylaxis because it is associated with an increased bleeding risk. OBJECTIVES: To evaluate GDF-15 as predictor for bleeding events in cancer patients previously enrolled in the AVERT trial. PATIENTS/METHODS: In this trial, 574 participants were randomized to prophylactic apixaban or placebo and followed for 180 days for venous thromboembolism, major bleeding, clinically relevant nonmajor bleeding, and any bleeding. Plasma concentrations of GDF-15 were measured centrally with the Elecsys GDF-15 commercial assay kit (Roche Diagnostics GmbH). RESULTS: In apixaban recipients, the area under the receiver operator characteristic curve of GDF-15 for major bleeding was 0.73 (95% confidence interval [CI], 0.44-1.00). Compared with the lowest GDF-15 tertile (<1470 ng/L), major bleeding risk was significantly higher in the highest tertile (≥2607 ng/L; hazard ratio [HR] 3.19; 95% CI, 2.41-4.22), also when adjusting for sex, age, antiplatelet use, and gastrointestinal cancer (adjusted HR 2.80; 95% CI, 1.91-4.11). GDF-15 was also significantly associated with clinically relevant nonmajor bleeding (adjusted HR 1.67; 95% CI, 1.08-2.58) and any bleeding (adjusted HR 2.12; 95% CI, 1.38-3.25). CONCLUSIONS: Although hypothesis generating, this is the first study to show that GDF-15 predicts bleeding in cancer patients receiving thromboprophylaxis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».