Dispatcher Recognition of Stroke Using the National Academy Medical Priority Dispatch System
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Emergency medical dispatchers play an important role in optimizing stroke care if they are able to accurately identify calls regarding acute cerebrovascular disease. This study was undertaken to assess the diagnostic accuracy of the current national protocol guiding dispatcher questioning of 911 callers to identify stroke (QA Guide version 11.1 of the National Academy Medical Priority Dispatch System). METHODS: We identified all Los Angeles Fire Department paramedic transports of patients to University of California Los Angeles Medical Center during the 12-month period from January to December 2005 in a prospectively maintained database. Dispatcher-assigned Medical Priority Dispatch System codes for each of these patient transports were abstracted from the paramedic run sheets and compared to final hospital discharge diagnosis. RESULTS: Among 3474 transported patients, 96 (2.8%) had a final diagnosis of stroke or transient ischemic attack. Dispatchers assigned a code of potential stroke to 44.8% of patients with a final discharge diagnosis of stroke or TIA. Dispatcher identification of stroke showed a sensitivity of 0.41, specificity of 0.96, positive predictive value of 0.45, and negative predictive value of 0.95. CONCLUSIONS: Dispatcher recognition of stroke calls using the widely employed Medical Priority Dispatch System algorithm is suboptimal, with failure to identify more than half of stroke patients as likely stroke. Revisions to the current national dispatcher structured interview and symptom identification algorithm for stroke may facilitate more accurate recognition of stroke by emergency medical dispatchers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».