MétaCan
Menu
← Retour à la cohorte
Enregistrement W2611856373

Trends in New Zealand stroke thrombolysis treatment rates.

2017· article· en· W2611856373 sur OpenAlexaff
Q Liu, Annemarei Ranta, Ginny Abernethy, P. Alan Barber

Notice bibliographique

RevuePubMed · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensOntario Stroke Network
Organismes subventionnairesnon disponible
Mots-clésThrombolysisMedicineStroke (engine)Acute strokeEmergency medicineInternal medicineTissue plasminogen activatorMyocardial infarction
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

AIMS: To describe trends in treatment delays and short-term outcome over the first 18 months of the New Zealand stroke thrombolysis register. METHODS: The National Stroke Network introduced a central register of all ischaemic stroke patients treated with intravenous alteplase on January 1, 2015. The aim was to increase thrombolysis treatment rates and drive improvements in safety. RESULTS: From January 1, 2015 to June 30, 2016, alteplase was given to 623 patients [344 men, mean (range) age 70 (22-98) years] out of a total of 8,857 ischaemic and unspecified stroke patients, giving a thrombolysis rate of 7.0%. Between the first and second halves of the audit, there were more patients thrombolysed [350 of 4,456 (7.9%) versus 273 of 4,401 (6.8%); p=0.001] and more treated within 60 minutes of hospital arrival [137 of 325 (42%) versus 71 of 250 (28%), p=0.001]. Door-to-needle time reduced from 77 minutes to 64 minutes (p=0.002) and the onset-to-treatment reduced from 162 minutes to 140 minutes (p=0.070). Rates of symptomatic intracranial haemorrhage (4.3% patients) and survival at day seven (93%) were stable. CONCLUSIONS: There have been improvements in stroke thrombolysis rates and treatment delays in New Zealand hospitals since the institution of the National Stroke Network thrombolysis register. The Network will continue to adjust key performance indicators, and stroke thrombolysis targets for individual DHBs have been increased to 8% for 2017 and 10% for 2018.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,459
Score d'incertitude au seuil0,913

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,039
Tête enseignante GPT0,289
Écart entre enseignants0,250 · 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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetAcute Ischemic Stroke Management→Travaux en français237 207→