ACE-I Angioedema: Accurate Clinical Diagnosis May Prevent Epinephrine-Induced Harm
Notice bibliographique
Résumé
INTRODUCTION: Upper airway angioedema is a life-threatening emergency department (ED) presentation with increasing incidence. Angiotensin-converting enzyme inhibitor induced angioedema (AAE) is a non-mast cell mediated etiology of angioedema. Accurate diagnosis by clinical examination can optimize patient management and reduce morbidity from inappropriate treatment with epinephrine. The aim of this study is to describe the incidence of angioedema subtypes and the management of AAE. We evaluate the appropriateness of treatments and highlight preventable iatrogenic morbidity. METHODS: We conducted a retrospective chart review of consecutive angioedema patients presenting to two tertiary care EDs between July 2007 and March 2012. RESULTS: Of 1,702 medical records screened, 527 were included. The cause of angioedema was identified in 48.8% (n=257) of cases. The most common identifiable etiology was AAE (33.1%, n=85), with a 60.0% male predominance. The most common AAE management strategies included diphenhydramine (63.5%, n=54), corticosteroids (50.6%, n=43) and ranitidine (31.8%, n=27). Epinephrine was administered in 21.2% (n=18) of AAE patients, five of whom received repeated doses. Four AAE patients required admission (4.7%) and one required endotracheal intubation. Epinephrine induced morbidity in two patients, causing myocardial ischemia or dysrhythmia shortly after administration. CONCLUSION: AAE is the most common identifiable etiology of angioedema and can be accurately diagnosed by physical examination. It is easily confused with anaphylaxis and mismanaged with antihistamines, corticosteroids and epinephrine. There is little physiologic rationale for epinephrine use in AAE and much risk. Improved clinical differentiation of mast cell and non-mast cell mediated angioedema can optimize patient management.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».