BIOM-57. ANTITHROMBOTIC THERAPY IN PATIENTS WITH BRAIN TUMORS
Notice bibliographique
Résumé
Abstract IMPORTANCE Managing antithrombotic therapy (ATT) in patients with brain tumors (BTs) presents a critical clinical challenge due to the dual risks of thrombosis and hemorrhage. Up to 24% of patients with glioblastoma and 20% with brain metastases develop venous thromboembolism (VTE), while up to 13% experience spontaneous intratumoral hemorrhage (ITH) — a potentially fatal complication, especially in anticoagulated patients. Despite improved cancer survival and thereby increasing incidence of BTs, guidelines for ATT in patients with BTs remain limited and vague. OBSERVATIONS A comprehensive literature review demonstrated that hemorrhagic risk varies widely by tumor type; melanoma and renal cell carcinoma metastases are highest with ITH rates up to 40–46%, but ATT does not increase risk. Risk is further elevated by anti-VEGF therapy, surgery, and some systemic treatments. Recent data suggest direct oral anticoagulants (DOACs) may be safer than low molecular weight heparin (LMWH) in patients with glioma, but standard hemorrhage risk tools (e.g., PANWARDS, Khorana score) lack relevance for this population. National guidelines are inconsistent, especially in patients with brain tumors or prior ITH. Preliminary studies indicate that ATT resumption 4–8 weeks after ITH may be safe, but data are retrospective and observational. CONCLUSIONS AND RELEVANCE There is a pressing need for precision-based ATT strategies in patients with BT, particularly those recovering from ITH. Multidisciplinary collaboration and validation of BT-specific predictors of ITH are essential to guide evidence-based care and inform future guideline development. Our ongoing investigation combines institutional tertiary care center retrospective review to 1) identify predictors of ITH in patients with BT, with an international multidisciplinary survey to 2) assess variation in ATT practices following ITH in order to 3) develop risk stratification tools incorporating tumor biology, location, treatment history, and molecular markers to aid ATT decision-making in patients with brain tumors.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,006 | 0,001 |
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 ».