Notice bibliographique
Résumé
ContextExperienced clinicians' gestalt is useful in estimating the pretest probability for pulmonary embolism and is complementary to diagnostic testing, such as lung scanning. However, it is unclear whether recently developed clinical prediction rules, using explicit features of clinical examination, are comparable with clinicians' gestalt. If so, clinical prediction rules would be powerful tools because they could be used by less-experienced health care professionals to simplify the diagnosis of pulmonary embolism. Recent studies have shown that the combination of a low pretest probability (using a clinical prediction rule) and a normal result of a D-dimer test reliably excludes pulmonary embolism without the need for further testing.ObjectiveTo evaluate and demonstrate the accuracy of pretest probability assessment for pulmonary embolism using clinical gestalt vs clinical prediction rules.Data SourcesThe MEDLINE database was searched for relevant articles published between 1966 and March 2003. Bibliographies of pertinent articles also were scanned for suitable articles.Study SelectionTo be included in the analysis, studies were required to have consecutive, unselected patients enrolled; participating physicians in the studies, blinded to the results of diagnostic testing, had to estimate pretest probability of pulmonary embolism; and validated diagnostic methods had to be used to confirm or exclude pulmonary embolism.Data ExtractionThree reviewers independently scanned titles and abstracts for inclusion of studies. An initial MEDLINE search identified 1709 studies, of which 16 involving 8306 patients were included in the final analysis.Data SynthesisA clinical gestalt strategy was used in 7 studies, and in the low, moderate, and high pretest categories, the rates of pulmonary embolism ranged from 8% to 19%, 26% to 47%, and 46% to 91%, respectively. Clinical prediction rules were used in 10 studies, and 3% to 28%, 16% to 46%, and 38% to 98% in the low, moderate, and high pretest probability groups, respectively, had pulmonary embolism.ConclusionsThe clinical gestalt of experienced clinicians and the clinical prediction rules used by physicians of varying experience have shown similar accuracy in discriminating among patients who have a low, moderate, or high pretest probability of pulmonary embolism. We advocate the use of a clinical prediction rule because it has shown to be accurate and can be used by less-experienced clinicians.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».