Registry of Hospitalized Patients Treated With Fondaparinux
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Descrizione dettagliata
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.
Tipo di studio
Tipo di studio
Iscrizione (Effettivo)
Iscrizione
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Sessi ammissibili allo studio
Metodo di campionamento
Popolazione di studio
Descrizione
Inclusion Criteria:
- BWH hospitalized patients receiving Fondaparinux
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Coorte
- Prospettive temporali: Retrospettiva
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Lasso di tempo |
|---|---|
|
Tromboembolia venosa ed eventi di sanguinamento
Lasso di tempo: 90 giorni
|
90 giorni
|
Misure di risultato secondarie
Misure di risultato secondarie
Misura del risultato |
Lasso di tempo |
|---|---|
|
Mortalità
Lasso di tempo: 30 giorni
|
30 giorni
|
Collaboratori e investigatori
Sponsor
Sponsor
Investigatori
Investigatori
- Investigatore principale: Samuel Z Goldhaber, MD, Brigham and Women's Hospital
Pubblicazioni e link utili
Collegamenti utili
Studiare le date dei record
Studia le date principali
Inizio studio
Inizio studio
Completamento primario (Effettivo)
Completamento primario
Completamento dello studio (Effettivo)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Stima)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Stima)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- 2007-P-001294
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Trombosi venosa profonda
-
NCT06037057Non ancora reclutamentoDeep Learning, risonanza magnetica lombare
-
NCT07051590Non ancora reclutamentoDeep caries lesione di denti pemanenti
-
NCT07391176CompletatoValutazione dell'Intervento Deep Plan nella Regione Sottomentoniera per la Gestione del Doppio Mento
-
NCT07358442Attivo, non reclutantePazienti con lesioni cariose profonde | Lesione cariosa profonda | Deep caries lesione di denti pemanenti
-
NCT06534645ReclutamentoPrevisione dell'esito dell'ictus supportata dall'algoritmo di deep learning
-
NCT06442839ReclutamentoSviluppare un modello predittivo di germogliamento del tumore basato sulla TC per il cancro alla vescica utilizzando algoritmi di deep learning
-
NCT06659601CompletatoFocus sullo sviluppo di un modello di deep learning per prevedere il rischio di recidiva dell'adenocarcinoma polmonare invasivo di stadio IA dopo resezione sublobare