MétaCan
Menu
Retour à la cohorte
Enregistrement W4318671821 · doi:10.1097/hco.0000000000001015

Factor XI inhibitors: what should clinicians know

2022· review· en· W4318671821 sur OpenAlexaff
Arjun Pandey, Raj Verma, John W. Eikelboom, Subodh Verma

Notice bibliographique

RevueCurrent Opinion in Cardiology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCoagulation, Bradykinin, Polyphosphates, and Angioedema
Établissements canadiensUniversity of TorontoMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Factor XI (FXI) inhibitors were developed to address unmet needs and limitations of current anticoagulants and are currently being studied in several indications. In this paper, we review the rationale for the development of these agents and summarize what clinicians should know about drugs that target FXI. RECENT FINDINGS: Patients with FXI deficiency may have a lower risk of venous thromboembolism and cardiovascular events and have a variable but generally mild bleeding diathesis. FXI has been proposed as a target for anticoagulants due to the potential for reduction in thrombosis with a lower risk of bleeding than current anticoagulant agents. Several classes of drugs that target FXI are under development, of which three classes (small molecule inhibitors, antisense oligonucleotides and monoclonal antibodies) have been studied in Phase II trials. At least three large Phase III trial programs are planned or are underway, and will study the efficacy and safety of FXI inhibitors in tens of thousands of patients across a variety of indications including atrial fibrillation, stroke and cancer-associated venous thromboembolism. SUMMARY: FXI inhibitors were developed with the hope of attenuating thrombosis with reduced bleeding/impairment of haemostasis. These agents have shown promise in preliminary trials with a low rate of bleeding. Ongoing Phase III investigations will inform the utility of these agents in clinical practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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.

Tête enseignante Opus0,290
Tête enseignante GPT0,461
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in CardiologyMême sujetCoagulation, Bradykinin, Polyphosphates, and AngioedemaTravaux en français237 207