Utilidad de los modelos clínicos en la predicción de tromboembolia pulmonar
Notice bibliographique
Résumé
OBJECTIVE: We considered to evaluate the efectivity of the clinical models for predicting pulmonary thromboembolism (PE). METHODS: Retrospective application of three published clinical models (Wells or Canadian model, Geneva model and Pisa model) to patients unequivocally diagnosed of acute PE. RESULTS: We evaluate 120 patients [Mean age 71+/-13 years, males 63 (52%)]: Nineteen (16%) diagnosed with pulmonary arteriography and 101 (84%) diagnosed with helical computed tomography. In the Canadian model 24% patients were of high clinical probability, 59% intermediate and 17% low clinical probability. In Geneva model 21% patients belonged to high clinical probability, 69% intermediate and 10% low clinical probability. In Pisa model 49% patients were of high clinical probability, 45% intermediate and 6% of low clinical probability. Sensitivity was 0.59, 0.67 and 0.89 respectively. Factors associated with low probability were in Canadian model the heart rate, the absence of signs of deep venous thrombosis, the presence of an alternative diagnosis and the low rate of cancer. In Geneva model, age, normal heart rate and PaO2 higher 70 mm Hg were associated with low probability, while in Pisa model normal chest X-Ray and radiological signs of pulmonary oedema were also associated with low clinical probability. CONCLUSIONS: Although all three clinical model showed deficiencies Pisa model was the most suitable clinical model for predicting PE. An intermediate clinical probability in the three models, should not serve to rule out PE, besides it is remarkable that patients with low clinical probability still could have PE, providing for clinical models with a limited value.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».