Improving Door-to-Needle Times for Acute Ischemic Stroke
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The effectiveness of specific systems changes to reduce DTN (door-to-needle) time has not been fully evaluated. We analyzed the impact of 4 specific DTN time reduction strategies implemented prospectively in a staggered fashion. METHODS AND RESULTS: The HASTE (Hurry Acute Stroke Treatment and Evaluation) project was implemented in 3 phases at a single academic medical center. In HASTE I (June 6, 2012 to June 5, 2013), baseline performance was analyzed. In HASTE II (June 6, 2013 to January 24, 2015), 3 changes were implemented: (1) a STAT stroke protocol to prenotify the stroke team about incoming stroke patients; (2) administering alteplase at the computed tomography (CT) scanner; and (3) registering the patient as unknown to allow immediate order entry. In HASTE III (January 25, 2015 to June 29, 2015), we implemented a process to bring the patient directly to CT on the emergency medical services stretcher. Log-transformed DTN time was modeled. Data from 350 consecutive alteplase-treated patients were analyzed. Multivariable regression showed the following factors to be significant: giving alteplase in the CT (32% decrease in DTN time, 95% confidence interval [CI] 38%-55%), stretcher to CT (30% decrease in DTN time, 95% CI 16%-42%), patient registered as unknown (12% decrease in DTN time, 95% CI 3%-20%), STAT stroke protocol (11% decrease in DTN time, 95% CI 1%-20%), and stroke severity (National Institutes of Health Stroke Scale score 6-8: 19% decrease in DTN time, 95% CI 6%-31%; National Institutes of Health Stroke Scale score >8: 27% decrease in DTN time, 95% CI 17%-37%). CONCLUSIONS: Taking the patient to CT on the emergency medical services stretcher, registering the patient as unknown, STAT stroke protocol, and administering alteplase in CT are associated with lower DTN time.
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.
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 | 0,001 |
| 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) | 0,000 | 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 découle