Epidemiology, biology, and management of venous thromboembolism in gliomas: An interdisciplinary review
Notice bibliographique
Résumé
Patients with diffuse glioma are at high risk of developing venous thromboembolism (VTE) over the course of the disease, with up to 30% incidence in patients with glioblastoma (GBM) and a lower but nonnegligible risk in lower-grade gliomas. Recent and ongoing efforts to identify clinical and laboratory biomarkers of patients at increased risk offer promise, but to date, there is no proven role for prophylaxis outside of the perioperative period. Emerging data suggest a higher risk of VTE in patients with isocitrate dehydrogenase (IDH) wild-type glioma and the potential mechanistic role of IDH mutation in the suppression of production of the procoagulants tissue factor and podoplanin. According to published guidelines, therapeutic anticoagulation with low molecular weight heparin (LMWH) or alternatively, direct oral anticoagulants (DOACs) in patients without increased risk of gastrointestinal or genitourinary bleeding is recommended for VTE treatment. Due to the elevated risk of intracranial hemorrhage (ICH) in GBM, anticoagulation treatment remains challenging and at times fraught. There are conflicting data on the risk of ICH with LMWH in patients with glioma; small retrospective studies suggest DOACs may convey lower ICH risk than LMWH. Investigational anticoagulants that prevent thrombosis without impairing hemostasis, such as factor XI inhibitors, may carry a better therapeutic index and are expected to enter clinical trials for cancer-associated thrombosis.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».