Prognostic Factors for Venous Thromboembolism in Patients with Solid Tumours on Systemic Therapy: A Systematic Review
Notice bibliographique
Résumé
Abstract Background Patients undergoing systemic cancer therapy are susceptible to developing venous thromboembolism (VTE). The most pertinent prognostic factors for VTE remain unclear. This systematic review aims to summarize prognostic factors associated with VTE in this population. Methods MEDLINE, Embase, and CENTRAL databases were searched for observational or randomized studies that used multivariable analysis adjusted for tumor type and/or metastatic disease to model the risk of VTE. Adjusted effect estimates for each prognostic factor were collected for all of the included studies. Risk of bias was assessed using the Quality in Prognostic Factor Studies (QUIPS) tool. Results From 5,988 search results, 15 eligible studies and 42 prognostic factors were identified. A total of 8,554 patients of whom 456 (5.33%) developed VTE were included. Fourteen studies had a high risk of bias and one study had a moderate risk. The most commonly reported prognostic factors include age, gender, tumor site, metastasis, performance status, and systemic therapy type. Poor performance status and the use of platinum-based chemotherapy compounds were associated with an increased risk of VTE across the majority of studies. The evidence to suggest that the other prognostic factors identified were associated with VTE development was inconclusive. Several individual studies identified novel biomarkers for VTE. Heterogeneity in statistical methods and prognostic factor definitions across studies precluded meta-analysis. Conclusion Overall, many prognostic factors were identified; however, the evidence for association with development of VTE for most of the factors is inconclusive. Findings were limited by high heterogeneity and risk of bias in the included studies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».