Risk assessment for postoperative venous thromboembolism using the modified Caprini risk assessment model in lung cancer
Notice bibliographique
Résumé
Background: Postoperative venous thromboembolism (VTE) is a well-documented cause of morbidity and mortality in lung cancer patients. However, risk identification remains limited. In this study, we sought to analyze the risk factors for VTE and verify the predictive value of the modified Caprini risk assessment model (RAM). Methods: This prospective single-center study included patients with resectable lung cancer who underwent resection between October 2019 and March 2021. The incidence of VTE was estimated. Logistic regression was used to analyze the risk factors for VTE. Receiver operating characteristic (ROC) curve analysis was performed to test the ability of the modified Caprini RAM to predict VTE. Results: The VTE incidence was 10.5%. Several variables, including age, D-dimer, hemoglobin (Hb), bleeding, and patient confinement to bed were significantly associated with VTE after surgery. The difference between the VTE and non-VTE groups in the high-risk levels was statistically significant (P<0.001), while the low and moderate risk levels showed no significant difference. The combined use of the modified Caprini score and the Hb and D-dimer levels showed an area under the curve (AUC) was 0.822 [95% confidence interval (CI): 0.760-0.855. P<0.001]. Conclusions: The risk-stratification approach of the modified Caprini RAM is not particularly valid after lung resection in our population. The use of the modified Caprini RAM combined with Hb and D-dimer levels shows a good diagnostic performance for VTE prediction in patients with lung cancer undergoing resection.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».