Anticoagulation for the Prevention of Arterial Thrombosis in Ambulatory Cancer Patients
Notice bibliographique
Résumé
The risk of arterial thrombotic events (ATEs) is high among patients on systemic anticancer therapies. Despite the efficacy of anticoagulants in the prevention of cancer-associated venous thromboembolism, it is unknown whether anticoagulation is effective to prevent ATEs. This study sought to examine the efficacy and safety of anticoagulants in ATE prevention among ambulatory cancer patients. We performed a systematic review using Medline, Embase, Scopus, and Cochrane Central Register of Controlled Trials (CENTRAL) from inception to May 21, 2022, and included studies comparing oral or parenteral anticoagulation with no anticoagulation among ambulatory patients receiving systemic anticancer therapy with no other indication for anticoagulation. The primary outcome was ATE (myocardial infarction, ischemic stroke, intra-abdominal arterial embolism, or peripheral artery occlusion). The secondary outcomes were major and nonmajor bleeding and all-cause mortality. Fourteen randomized trials involving low-molecular-weight heparins, direct oral anticoagulants, and warfarin were included. ATEs were captured as coefficacy endpoints or adverse events. Anticoagulant use was not associated with a reduction in ATEs compared with placebo or standard treatment (relative risk [RR]: 0.73, 95% CI: 0.50-1.04; P = 0.08; I2 = 0%). RRs of major and minor bleeding were 1.56 (95% CI: 1.12-2.17) and 2.25 (95% CI: 1.45-3.48) with anticoagulant use. In 13 trials that reported all-cause mortality, risk of death was not reduced with anticoagulants (RR: 0.99; 95% CI: 0.95-1.02; P = 0.38; I2 = 0%). Anticoagulants did not reduce ATE risk among ambulatory patients on systemic anticancer therapy and were associated with increased bleeding. Based on the current data, anticoagulants have a limited role in ATE prevention in this population as a whole.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».