Perioperative Management of Antiplatelet Therapy: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Objective: To summarize the available evidence about the perioperative management of patients who are receiving long-term antiplatelet therapy and require elective surgery/procedures. Methods: This systematic review supports the development of the American College of Chest Physicians guideline on the perioperative management of antiplatelet therapy. A literature search of MEDLINE, EMBASE, Scopus and Cochrane databases was conducted from each database's inception to July 16, 2020. Meta-analyses were conducted when possible. Results: In patients receiving long-term antiplatelet therapy and undergoing elective noncardiac surgery, the available evidence did not show a significant difference in major bleeding between a shorter vs longer antiplatelet interruption, with low certainty of evidence (COE). Compared with patients who received placebo perioperatively, aspirin continuation was associated with increased risk of major bleeding (relative risk [RR], 1.31; 95% CI, 1.15-1.50; high COE) and lower risk of major thromboembolism (RR, 0.74; 95% CI, 0.58-0.94; moderate COE). During antiplatelet interruption, bridging with low-molecular-weight heparin was associated with increased risk of major bleeding compared with no bridging (RR, 1.86; 95% CI, 1.24-2.79; very low COE). Continuation of antiplatelets during minor dental and ophthalmologic procedures was not associated with a statistically significant difference in the risk of major bleeding (very low COE). Conclusion: This systematic review summarizes the current evidence about the perioperative management of antiplatelet therapy and highlights the urgent need for further research, particularly with the increasing prevalence of patients taking 1 or more antiplatelet agents.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,008 |
| Bibliométrie | 0,001 | 0,005 |
| 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) | 0,002 | 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 ».