Risk Factors for Venous Thromboembolism in Severe COVID-19: A Study-Level Meta-Analysis of 21 Studies
Notice bibliographique
Résumé
Venous thromboembolism (VTE) in patients with COVID-19 in intensive care units (ICU) is frequent, but risk factors (RF) remain unidentified. In this meta-analysis (CRD42020188764) we searched for observational studies from ICUs reporting the association between VTE and RF in Medline/Embase up to 15 April 2021. Reviewers independently extracted data in duplicate and assessed the certainty of the evidence using the GRADE approach. Analyses were conducted using the random-effects model and produced a non-adjusted odds ratio (OR). We analysed 83 RF from 21 studies (5296 patients). We found moderate-certainty evidence for an association between VTE and the D-dimer peak (OR 5.83, 95%CI 3.18-10.70), and length of hospitalization (OR 7.09, 95%CI 3.41-14.73) and intubation (OR 2.61, 95%CI 1.94-3.51). We identified low-certainty evidence for an association between VTE and CRP (OR 1.83, 95% CI 1.32-2.53), D-dimer (OR 4.58, 95% CI 2.52-8.50), troponin T (OR 8.64, 95% CI 3.25-22.97), and the requirement for inotropic drugs (OR 1.67, 95% CI 1.15-2.43). Traditional VTE RF (i.e., history of cancer, previous VTE events, obesity) were not found to be associated to VTE in COVID-19. Anticoagulation was not associated with a decreased VTE risk. VTE RF in severe COVID-19 correspond to individual illness severity, and inflammatory and coagulation parameters.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,066 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».