A global survey on practice changes and barriers to the use of direct oral anticoagulants in children
Notice bibliographique
Résumé
ABSTRACT: We aim to describe the patterns of use, practice changes, and emerging challenges after the approval of direct oral anticoagulants (DOACs) for thrombosis management and prevention in children. This cross-sectional survey-based study involved pediatric thrombosis treaters from different institutions around the world. The survey was distributed between January and August 2024. DOAC use and barriers were compared according to the country's income (high-income countries [HICs] vs low- and middle-income countries [LMICs], per World Bank classification). In total, 100 of 103 respondents completed the survey, representing 100 different institutions from 96 cities in 53 countries (31% European, 25% North American, 24% Asian, 12% South American, 5% Oceanian, and 3% African). Eighty-five percent of respondents used DOACs (HICs, 89% vs LMICs, 76%; P = .09). Although DOACs were more commonly used than low molecular weight heparin (LMWH) or vitamin K antagonists (VKA) in outpatients, 91% respondents indicated that <50% of their patients were started on DOACs directly, and 62% reported that <50% of children on long-term LMWH/VKA had been switched to DOACs. Lack of pediatric formulations was the most common barrier (39% in HICs, 52% in LMICs); 9% of respondents in HIC vs 29% in LIMC reported no access to DOACs (P = .009), whereas 21% of respondents in HICs vs 3% in LIMCs stated no barriers to their use (P = .02), indicating inequality. Additional barriers included cost and clinician acceptability and limited knowledge, experience, and expertise. The results highlight current gaps in pediatric DOAC use, emphasizing the importance of capacity building, advocacy, and generation of further evidence to inform guidelines and policies.
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 | 0,002 |
| 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 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 ».