Time to Hospital Admission and Start of Treatment in Patients with Ischemic Stroke in Northern Italy and Predictors of Delay
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Early treatment (i.e. thrombolysis) is crucial for a successful care of ischemic stroke. In the management of stroke, two phases are crucial: the pre-hospital and the in-hospital interval. This work investigated factors influencing pre- and in-hospital delay in a large geographic area of Northern Italy. METHODS: Enrolled were patients presenting with ischemic stroke in four administrative districts of Northern Italy (Como, Lecco, Sondrio and Varese) over a 4-month period. Pre-hospital time and in-hospital time with single management steps were recorded prospectively. Age, gender, recruiting hospital, EMS transport and triage codes, clinical severity and thrombolytic treatment were also recorded. Univariate and multivariate analysis of factors predicting pre- and in-hospital delay were performed. RESULTS: Median pre-hospital time and in-hospital time were, respectively, 120 min (interquartile range, IQR 62-271) and 150 min (IQR 80-214). Pre-hospital time was halved in patients hospitalized via EMS (p<0.001) and clinically more severe (p<0.001). At multivariate analysis, transport code was associated with delay at any time (p<0.05). CONCLUSIONS: EMS use and transport code predicted treatment delay in patients with ischemic stroke. A more intensive use of EMS and high urgency codes could help increase the number of stroke patients treated appropriately.
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.
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 | 0,000 | 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 découle