Risk of recurrent cancer-associated venous thromboembolism: A Danish nationwide cohort study
Notice bibliographique
Résumé
BACKGROUND: Predictive factors for recurrent cancer-associated venous thromboembolism have been inconsistent across previous studies. To provide data for improved risk stratification, we described the risk of recurrent venous thromboembolism overall and across age, sex, calendar period, cancer type, Ottawa risk score, cancer stage, and cancer treatment in a nationwide cohort of patients with active cancer. METHODS: Using Danish administrative registries, we identified a cohort of all adult patients with active cancer and a first-time diagnosis of venous thromboembolism during 2003-2018. We accounted for the competing risk of death and calculated absolute risks of recurrent venous thromboembolism at six months. RESULTS: The population included 34,072 patients with active cancer and venous thromboembolism. Recurrence risks at six months were higher for patients with genitourinary cancer (6.5%), lung cancer (6.1%), gastrointestinal cancer (5.6%), brain cancer (5.2%), and hematological cancer (5.1%) than for patients with gynecological cancer (4.7%), breast cancer (4.1%), and other cancer types (4.8%). Recurrence risks were similar for men (5.2%) and women (4.9%), with and without chemotherapy (5.1%), across Ottawa risk score group (low: 5.0%; high: 5.1%) and across calendar periods but increased with increasing cancer stage. The overall six-month all-cause mortality risk was 26%, and highest for patients with lung cancer (49%) and lowest among breast cancer patients (4.1%). CONCLUSIONS: Six-month recurrence risk after first-time cancer-associated venous thromboembolism was high and varied by cancer type and patient characteristics. Refining risk stratification for recurrence may improve decision-making regarding treatment duration after cancer-associated thromboembolism.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».