Current Knowledge on Factor V Leiden Mutation as a Risk Factor for Recurrent Venous Thromboembolism: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Thrombophilia screening is widely done in clinical practice, and it is claimed that the extent of venous thromboembolism (VTE) recurrence risk in patients with common defects is still not fully understood. Aim: We aimed to summarize data of all observational studies prospectively assessing the association of heterozygous factor V Leiden (FVL) mutation and recurrent VTE in patients with VTE, and to calculate pooled relative risks (RR), overall and in various subgroups. Methods: We searched MEDLINE and EMBASE databases for cohort studies prospectively assessing VTE recurrence in patients with and without FVL mutation (PROSPERO: CRD42021182800). Data were extracted on cohort and study-level. The methodological quality was assessed using the Newcastle-Ottawa Scale (NOS). RR were calculated overall and in subgroups using a random-effects model. Results: From 31 cohorts, 24 studies were finally included summarizing 13,571 patients. Heterozygous FVL mutation was identified in 2,840 individuals (21%). The methodological quality was estimated to be high in 20 studies (83%). The overall RR was 1.46 (95% CI: 1.31, 1.64), consistent across subgroups. Conclusions: Pooling all high-quality epidemiological data, the risk of recurrent VTE was increased by 46% in patients with heterozygous FVL mutation. Against the background of established risk factors, the FVL mutation plays only a marginal role in the risk assessment for recurrent VTE.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,027 | 0,010 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».