- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT00549705
Registry of Hospitalized Patients Treated With Fondaparinux
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
The use of antithrombotic agents in the hospital is the mainstay of therapy for the treatment or prophylaxis of venous thromboembolism (VTE) and acute coronary syndrome (ACS). Concern with the administration of heparins and risk for adverse sequelae has led to the development of newer, longer-acting agents. Fondaparinux offers once daily administration with only an extremely small risk of developing heparin induced thrombocytopenia.
Recent data have further demonstrated the efficacy and safety of Fondaparinux in VTE and ACS, expanding its use in clinical practice. We aim to: 1) determine how Fondaparinux is being used in a "real life" clinical setting, a tertiary-care academic medical center (BWH), and 2) assess the associated clinical outcomes at 90 days after initiation of Fondaparinux.
Studientyp
Einschreibung (Tatsächlich)
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Inclusion Criteria:
- BWH hospitalized patients receiving Fondaparinux
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Kohorte
- Zeitperspektiven: Retrospektive
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Venöse Thromboembolien und Blutungsereignisse
Zeitfenster: 90 Tage
|
90 Tage
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Sterblichkeit
Zeitfenster: 30 Tage
|
30 Tage
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Hauptermittler: Samuel Z Goldhaber, MD, Brigham and Women's Hospital
Publikationen und hilfreiche Links
Nützliche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Schätzen)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Schätzen)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2007-P-001294
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Tiefe Venenthrombose
-
RenJi HospitalNoch keine RekrutierungDeep Learning, lumbale Magnetresonanztomographie
-
Hai LvAktiv, nicht rekrutierendFacettengelenke; Entartung; Deep Learning; Künstliche IntelligenzChina
-
Yale UniversityZurückgezogenDeep Minderior Epigastric Perforator Flap Brustrekonstruktion
-
Cairo UniversityNoch keine RekrutierungEndodontie | KI (Künstliche Intelligenz) | Deep-Learning-Modell | Zähnung | Verpasste Kanäle | Endodontische Nachbehandlung | Non-surgical Retreatment | DIFFICULTY ASSESSMENT | SEPARATED INSTRUMENT | Poor Obturation | Obturation Quality
-
Tishreen UniversityAbgeschlossenEvaluation der Deep-Plan-Intervention in der Submentalregion für das Management des DoppelkinnsSyrien
-
RenovaCare, IncAktiv, nicht rekrutierendVerbrennungen | Verbrennungen zweiten Grades | Burns Deep zweiten GradesVereinigte Staaten
-
The University of Texas Health Science Center,...EurofinsAbgeschlossenOdontogene Deep-Space-NackeninfektionVereinigte Staaten
-
Seoul National University Bundang HospitalNoch keine RekrutierungVariation des Schlagvolumens | Pulsdruckvariation | Deep-Learning-Modell | Arterielle Wellenreflexionen | Periphere VeneKorea, Republik von
-
Sun Yat-sen UniversityAbgeschlossenDiagnostische Wirksamkeit des Deep Convolutional Neural Network bei der Differenzierung des Glaukom-Gesichtsfeldes vom Nicht-Glaukom-GesichtsfeldChina
-
University of ZurichRekrutierungVorhersage des Schlaganfallergebnisses unterstützt durch Deep-Learning-AlgorithmusSchweiz