MétaCan
Menu
Retour à la cohorte
Enregistrement W2788142844 · doi:10.1177/2396987318759362

Drip and ship versus direct to endovascular thrombectomy: The impact of treatment times on transport decision-making

2018· article· en· W2788142844 sur OpenAlexafffund
Jessalyn K. Holodinsky, Alka Patel, John Thornton, Noreen Kamal, Lauren Jewett, Peter J. Kelly, Séan Murphy, Rónán Collins, T. N. Walsh, Simon Cronin, Sarah Power, Paul Brennan, Alan O’Hare, Dominick J. H. McCabe, Barry Moynihan, Seamus Looby, Gerald Wyse, Joan McCormack, Paul Marsden, Joseph Harbison, Michael D. Hill, David Williams

Notice bibliographique

RevueEuropean Stroke Journal · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensCalgary Laboratory ServicesHotchkiss Brain InstituteOntario Brain InstituteSouth Health CampusUniversity of Calgary
Organismes subventionnairesDaiichi Sankyo EuropeDaiichi-SankyoAlberta Innovates - Health SolutionsBristol-Myers Squibb
Mots-clésBusinessAeronauticsEngineering

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In ischaemic stroke care, fast reperfusion is essential for disability free survival. It is unknown if bypassing thrombolysis centres in favour of endovascular thrombectomy (mothership) outweighs transport to the nearest thrombolysis centre for alteplase and then transfer for endovascular thrombectomy (drip-and-ship). We use conditional probability modelling to determine the impact of treatment times on transport decision-making for acute ischaemic stroke. MATERIALS AND METHODS: Probability of good outcome was modelled using a previously published framework, data from the Irish National Stroke Register, and an endovascular thrombectomy registry at a tertiary referral centre in Ireland. Ireland was divided into 139 regions, transport times between each region and hospital were estimated using Google's Distance Matrix Application Program Interface. Results were mapped using ArcGIS 10.3. RESULTS: Using current treatment times, drip-and-ship rarely predicts best outcomes. However, if door to needle times are reduced to 30 min, drip-and-ship becomes more favourable; even more so if turnaround time (time from thrombolysis to departure for the endovascular thrombectomy centre) is also reduced. Reducing door to groin puncture times predicts better outcomes with the mothership model. DISCUSSION: This is the first case study modelling pre-hospital transport for ischaemic stroke utilising real treatment times in a defined geographic area. A moderate improvement in treatment times results in significant predicted changes to the optimisation of a national acute stroke patient transport strategy. CONCLUSIONS: Modelling patient transport for system-level planning is sensitive to treatment times at both thrombolysis and thrombectomy centres and has important implications for the future planning of thrombectomy services.

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)0,035
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,024
Tête enseignante GPT0,313
Écart entre enseignants0,289 · 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

Citations51
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Stroke JournalMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207