Selecting oral antithrombotic therapies in peripheral arterial disease: A guide for practitioners
Notice bibliographique
Résumé
PURPOSE: The purpose of this review is to guide practitioners through the certainty, and uncertainty, that surrounds optimal management of antithrombotic therapies in patients with lower-extremity peripheral arterial disease. It also provides practitioners with a framework from which to apply these therapies safely and effectively to optimize patient outcomes. SUMMARY: Peripheral arterial disease is an underdiagnosed and undertreated disease entity. Chronic antithrombotic therapies play a pivotal role in the prevention of thrombotic events in patients with lower-extremity peripheral arterial disease. Whether antiplatelet therapy, oral anticoagulation, or a combination of antiplatelet and anticoagulant therapies is best suited to prevent major cardiovascular and limb events in this patient population has been a long-standing clinical question. There is a great deal of variability in real-world practice as to which agents and dose intensities are used chronically for this purpose. Recent major publications exploring the use of "dual-pathway inhibition" have helped clarify best antithrombotic practices in patients with symptomatic peripheral arterial disease, and these have had a major impact on recently updated guidelines in the US, Europe, and Canada. CONCLUSION: Pharmacists play an important role in reevaluating antithrombotic regimens for all patients with peripheral arterial disease, recognizing that recent landmark publications have led to substantial changes to international guidelines. Dual-pathway inhibition with combined low-dose rivaroxaban and low-dose aspirin therapy should be considered in all patients with symptomatic peripheral arterial disease.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».