Monitoring of Rivaroxaban Therapy in Hypercoagulable Dogs
Notice bibliographique
Résumé
Abstract Background Measurement of rivaroxaban efficacy using the rivaroxaban-specific anti-Xa assay (raXa) can be used for monitoring in veterinary medicine. Detection of rivaroxaban efficacy using other hemostatic tests would make monitoring timelier and more accessible. Objectives Compare results of raXa with prothrombin time (PT), activated partial thromboplastin time (aPTT), fibrinogen concentration, tissue factor (TF) and kaolin-activated thromboelastography (TEG), and thrombin generation (TG) in hypercoagulable dogs. Animals Twelve client-owned dogs, diagnosed with hypercoagulability or thromboembolic disease, and prescribed rivaroxaban, were recruited from a tertiary referral hospital from 2020 to 2022. Methods Prospective clinical trial. Jugular vein blood samples were collected before treatment, and 1 week and 1–3 months after initiation of rivaroxaban therapy. Hemostatic tests were performed at each visit (3 h after rivaroxaban dosing). TG curve parameters lag time, endogenous thrombin potential (ETP), peak, and time to peak (ttpeak) were assessed. Results There was a significant linear relationship between raXa and PT (r2 = 0.74, p < 0.001), ETP (r2 = 0.83, p < 0.001), lag time (r2 = 0.87, p < 0.001), peak (r2 = 0.86, p < 0.001), and ttpeak (r2 = 0.86, p < 0.001). There was a weak linear relationship between raXa and kaolin-activated TEG parameter reaction time (R) (r2 = 0.49, p = 0.026). There was no significant relationship between raXa and aPTT, fibrinogen concentration and the remainder of the TEG variables (p > 0.05). Conclusion and Clinical Importance PT and TG correlated with raXa. PT performed at a reference laboratory appeared to be a convenient method to monitor a small cohort of dogs receiving rivaroxaban therapy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».