Diagnostic accuracy of the TIMI risk score in patients with chest pain in the emergency department: a meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The Thrombolysis in Myocardial Infarction (TIMI) risk score uses clinical data to predict the short-term risk of acute myocardial infarction, coronary revascularization or death from any cause. It was originally developed for use in patients with unstable angina or non-ST-elevation myocardial infarction. We sought to expand the clinical application of the TIMI risk score by assessing its prognostic accuracy in patients in the emergency department with potential acute coronary syndromes. METHODS: We searched five electronic databases, hand-searched reference lists of included studies and contacted content experts to identify articles for review. We included prospective cohort studies that validated the TIMI risk score in emergency department patients. We performed a meta-regression to determine whether a linear relation exists between TIMI risk score and the cumulative incidence of cardiac events. RESULTS: We included 10 prospective cohort studies (with a total of 17 265 patients) in our systematic review. Data were available for meta-analysis in 8 of the 10 studies. Of patients with a score of zero, 1.8% had a cardiac event within 30 days (sensitivity 97.2%, 95% CI 96.4-97.8; specificity 25.0%, 95% CI 24.3-25.7; positive likelihood ratio 1.30, 95% CI 1.28-1.31; negative likelihood ratio 0.11, 95% CI 0.09-0.15). Meta-regression analysis revealed a strong linear relation between TIMI risk score (p < 0.001) and the cumulative incidence of cardiac events. INTERPRETATION: Although the TIMI risk score is an effective risk stratification tool for patients in the emergency department with potential acute coronary syndromes, it should not be used as the sole means of determining patient disposition.
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 | 0,010 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».