Major bleeding in patients with acute pulmonary embolism: results from the COPE study
Notice bibliographique
Résumé
Abstract Background In patients with acute pulmonary embolism (PE), major bleeding (MB) is the counterbalance for anticoagulant and thrombolytic treatment. In patients with acute, symptomatic PE from a prospective, multicentre study (COPE), we aimed to assess independent predictors, evaluate the performance of currently available scores and identify phenotypic clusters for prediction of MB. Methods The primary outcome was MB during 30-day follow-up. MB was defined according to ISTH. MBs were classified as early (<7 days) and late (≥7 days) based on days from PE diagnosis. Results Among 5,213 patients with acute PE, 159 experienced MB (3.1%), 78 as early and 81 as late events. MB were intracranial haemorrhage in 17 (0.3%), fatal in 6 and required transfusion >2 RBC unit and/or Hb drop ≥2g/dl in 138 patients (2.6%). MB occurred in 9.3% and 2.5% of patients receiving and not receiving thrombolysis. Active cancer, previous bleeding, dementia, anemia, syncope and thrombolysis were independent predictors of MB at 30 days and of early MB; only active cancer, previous bleeding and anemia were independent predictors of late MB. The PE-SARD, the BACS and VTE-Bleed scores had better performance in predicting early than late MBs and modest performance in predicting thrombolysis-associated MB. Four phenotypic clusters of patients were identified with different risk for MB; A= old patients with low prevalence of comorbidities, B=old patients with comorbidities and intermediate or high-risk PE, C= middle-aged patients with cancer or and D= young patients with low prevalence of comorbidities. Conclusions In patients with acute PE, risk factors for early and late MB within 30 days differ. Compared to stratification strategies solely based on bleeding predictors, phenotyping can offer better accuracy in identifying patients at risk for MB.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».