N-Terminal Pro–B-Type Natriuretic Peptide in the Emergency Department
Notice bibliographique
Résumé
BACKGROUND: Contemporary reconsideration of diagnostic N-terminal pro-B-type natriuretic peptide (NT-proBNP) cutoffs for diagnosis of heart failure (HF) is needed. OBJECTIVES: This study sought to evaluate the diagnostic performance of NT-proBNP for acute HF in patients with dyspnea in the emergency department (ED) setting. METHODS: Dyspneic patients presenting to 19 EDs in North America were enrolled and had blood drawn for subsequent NT-proBNP measurement. Primary endpoints were positive predictive values of age-stratified cutoffs (450, 900, and 1,800 pg/ml) for diagnosis of acute HF and negative predictive value of the rule-out cutoff to exclude acute HF. Secondary endpoints included sensitivity, specificity, and positive (+) and negative (-) likelihood ratios (LRs) for acute HF. RESULTS: Of 1,461 subjects, 277 (19%) were adjudicated as having acute HF. The area under the receiver-operating characteristic curve for diagnosis of acute HF was 0.91 (95% confidence interval [CI]: 0.90 to 0.93; p < 0.001). Sensitivity for age stratified cutoffs of 450, 900, and 1,800 pg/ml was 85.7%, 79.3%, and 75.9%, respectively; specificity was 93.9%, 84.0%, and 75.0%, respectively. Positive predictive values were 53.6%, 58.4%, and 62.0%, respectively. Overall LR+ across age-dependent cutoffs was 5.99 (95% CI: 5.05 to 6.93); individual LR+ for age-dependent cutoffs was 14.08, 4.95, and 3.03, respectively. The sensitivity and negative predictive value for the rule-out cutoff of 300 pg/ml were 93.9% and 98.0%, respectively; LR- was 0.09 (95% CI: 0.05 to 0.13). CONCLUSIONS: In acutely dyspneic patients seen in the ED setting, age-stratified NT-proBNP cutpoints may aid in the diagnosis of acute HF. An NT-proBNP <300 pg/ml strongly excludes the presence of acute HF.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».