Studying the Effects of Oral Contraceptives on Coagulation Using a Mathematical Modeling Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The use of oral contraceptives (OCs) is known to increase the risk of thrombosis, but the mechanisms underlying this risk and the determinants of the tests that assess this risk are not fully understood. In this study, we used a mathematical model to study the effects of an OC containing levonorgestrel (lev) on blood clotting. Lev is reported to change the plasma levels of blood clotting factors. The mathematical model used in this study simulates coagulation reactions in a small injury under flow, takes clotting factors as inputs, and outputs time courses of the coagulation enzyme thrombin. To study the effects of lev, we created a virtual patient population with factor levels before and after lev use based on published patient data and conducted simulations to predict thrombin response for each individual virtual patient. After analyzing the simulated thrombin, we found that changes in factor levels due to lev increased the amount and speed of thrombin generation for all virtual patients. This suggested that the factor level changes alone can heighten the prothrombotic state of the model system. We extended the model to include generation of the inhibitor activated protein C (APC), so we could test the effects of lev on the systems’ sensitivity to APC. In line with literature reports, the use of lev increased the APC sensitivity, which correlates with increased thrombosis risk.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 découle