91 SYSTOLIC TIME INTERVALS: A PSYCHOSOMATIC LINK IN NEUROVASCULAR DISORDERS.
Notice bibliographique
Résumé
<h3>Objective:</h3> To identify and compare the operating characteristics of existing prehospital stroke scales to predict true strokes in the hospital. <h3>Methods:</h3> We searched MEDLINE, EMBASE, and CINAHL databases for articles that evaluated the performance of prehospital stroke scales. Quality of the included studies was assessed using the Quality Assessment of Diagnostic Accuracy Studies–2 tool. We abstracted the operating characteristics of published prehospital stroke scales and compared them statistically and graphically. <h3>Results:</h3> We retrieved 254 articles from MEDLINE, 66 articles from EMBASE, and 32 articles from CINAHL Plus database. Of these, 8 studies met all our inclusion criteria, and they studied Cincinnati Pre-Hospital Stroke Scale (CPSS), Los Angeles Pre-Hospital Stroke Screen (LAPSS), Melbourne Ambulance Stroke Screen (MASS), Medic Prehospital Assessment for Code Stroke (Med PACS), Ontario Prehospital Stroke Screening Tool (OPSS), Recognition of Stroke in the Emergency Room (ROSIER), and Face Arm Speech Test (FAST). Although the point estimates for LAPSS accuracy were better than CPSS, they had overlapping confidence intervals on the symmetric summary receiver operating characteristic curve. OPSS performed similar to LAPSS whereas MASS, Med PACS, ROSIER, and FAST had less favorable overall operating characteristics. <h3>Conclusions:</h3> Prehospital stroke scales varied in their accuracy and missed up to 30% of acute strokes in the field. Inconsistencies in performance may be due to sample size disparity, variability in stroke scale training, and divergent provider educational standards. Although LAPSS performed more consistently, visual comparison of graphical analysis revealed that LAPSS and CPSS had similar diagnostic capabilities.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».