Factors associated with venous thromboembolism in the paediatric intensive care unit: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract Background Paediatric critical care practitioners have become increasingly concerned about venous thromboembolism (VTE). Although a wide range of factors associated with VTE in paediatric intensive care units (PICUs) have been identified, the strength and consistency of effect sizes are uncertain. Study Design Systematic review and meta‐analysis of case–control and cohort studies. We searched six electronic databases from inception to 20 June 2021. The study population consisted of hospitalized children aged 0–21 years. Our primary outcome was factors associated with VTE in the PICU. We pooled effect sizes as odds ratios (ORs) using random‐effects models for each factor that was examined in at least three distinct samples. We assessed study quality using the Newcastle–Ottawa Scale and examined between‐study heterogeneity. Results The meta‐analysis showed that age <1 year (OR = 1.80, 95% confidence interval [CI]: 1.08–3.01), sepsis (OR = 3.14, 95% CI: 1.55–6.38), central venous catheterization (CVC; OR = 7.76, 95% CI: 3.63–16.61), and mechanical ventilation (OR = 2.80, 95% CI: 1.90–4.13) was associated with an increased VTE risk. Conclusion We identified that infancy, sepsis, and the use of CVC and mechanical ventilation therapies are more likely to cause VTE in critically ill children. It is still necessary to identify the association between VTE and important clinical variables (e.g., postpubertal age, postoperative status). Relevance to Clinical Practice This review provides evidence that supports the factors associated with VTE in specific clinical settings and suggests that nurses should focus on the precise identification of the factors associated with 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».