MétaCan
Menu
Retour à la cohorte
Enregistrement W2770053270 · doi:10.1177/1747493017743060

Thrombolysis: Improving door-to-needle times for ischemic stroke treatment – A narrative review

2017· review· en· W2770053270 sur OpenAlexaff
Noreen Kamal, Eric E. Smith, Thomas Jeerakathil, Michael D. Hill

Notice bibliographique

RevueInternational Journal of Stroke · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineThrombolysisMedical emergencyArrival timeStroke (engine)Ischemic strokeEmergency medical servicesEmergency medicineEmergency departmentTurnaround timeOperations managementNursingIschemiaMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Background The effectiveness of thrombolysis is highly time dependent. For this reason, short target times have been set to reduce time to treatment from hospital arrival, which is called door-to-needle time. Summary of review There has been considerable work done at single centers and across multiple hospitals to improve door-to-needle time. There have been reductions of 8 to 47 min when applying one or more improvement strategies at single centers, and there have been many multi-hospital initiatives. The delays to treatment have been attributed to both patient and hospital factors, and strategies to address these delays have been proven to reduce door-to-needle time. The most effective strategies include pre-notification of arrival by Emergency Medical Services (EMS), single-call activation of stroke team, rapid registration process, moving the patient to computed tomography on EMS stretcher, and administration of alteplase in the scanner. There are many exciting areas of future direction including reduction of door-to-needle time in developing countries, improving pre-hospital response times, and improving the efficiency of endovascular treatment. Conclusions There is now a broad understanding of the causes of delays to fast treatment and the strategies that can be employed to improve door-to-needle time such that most centers could achieve median door-to-needle time of 30 min.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,871
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,403
Écart entre enseignants0,341 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations80
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of StrokeMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207