MétaCan
Menu
Retour à la cohorte
Enregistrement W2576576472 · doi:10.1161/circoutcomes.116.003242

Improving Door-to-Needle Times for Acute Ischemic Stroke

2017· article· en· W2576576472 sur OpenAlexaff
Noreen Kamal, Jessalyn K. Holodinsky, Caroline J. Stephenson, Devika Kashayp, Andrew M. Demchuk, Michael D. Hill, Renee Vilneff, Erin Bugbee, Charlotte Zerna, Nancy Newcommon, Eddy Lang, Darren Knox, Eric E. Smith

Notice bibliographique

RevueCirculation Cardiovascular Quality and Outcomes · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of CalgaryAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Confidence intervalThrombolysisIschemic strokeEmergency medicineMedical emergencyInternal medicineMyocardial infarctionIschemia

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,041
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,334
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations83
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation Cardiovascular Quality and OutcomesMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207