MétaCan
Menu
← Retour à la cohorte
Enregistrement W2073038589 · doi:10.3390/ijerph120201387

Comparison of the Hospital Arrival Time and Differences in Pain Quality between Diabetic and Non-Diabetic STEMI Patients

2015· article· en· W2073038589 sur OpenAlexaboutno aff
Marina Gradišer, Dario Dilber, Jasna Cmrečnjak, Branko Ostrički, Ines Bilić-Čurčić

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Myocardial Infarction Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDiabetes mellitusMyocardial infarctionConventional PCIInternal medicinePopulationDiseaseChest painPhysical therapyEmergency medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

The aim of our study was to determine whether diabetic ST segment elevation myocardial infarction (STEMI) patients arrive in the emergency room (ER) later than non-diabetics, compare the differences in pain quality and quantity between those groups, and measure differences in the outcome after an index hospitalization. A total of 266 patients with first presentation of STEMI were included in our study during a period of two years, 62 with diabetes and 204 without diabetes type 2. Pain intensity and quality at admission were measured using a McGill short form questionnaire. Diabetic patients did not arrive significantly later than non-diabetic (χ²; p = 0.105). Most diabetic patients described their pain as "slight" or "none" (χ²; p < 0.01), while most non-diabetic patients graded their pain as "moderate" or "severe" (χ²; p < 0.01). The quality of pain tended to be more distinct in non-diabetic patients, while diabetic patients reported mainly shortness of breath (χ²; p < 0.01). Diabetic patients were more likely to suffer a multi-vessel disease (χ²; p < 0.01), especially in the late arrival group. Therefore, cautious evaluation of diabetic patients and adequate education of target population could improve overall survival while well-organized care like a primary PCI Network program could significantly reduce CV mortality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,422
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public Health→Même sujetAcute Myocardial Infarction Research→Travaux en français237 207→