Use of fragmented <scp>QRS</scp> in prognosticating clinical deterioration and mortality in pulmonary embolism: A meta‐analysis
Notice bibliographique
Résumé
Background Fragmented QRS ( fQRS ) on electrocardiography is potentially valuable in prognosticating acute pulmonary embolism ( PE ). ECG is one of the first tests performed in the emergency department, quickly interpretable, noninvasive, inexpensive, and available in remote areas. We aimed to review fQRS 's role in PE prognostication. Methods We searched MEDLINE , EMBASE , Google Scholar, Web of Science, abstracts, conference proceedings, and reference lists until October 2017. Eligible studies used fQRS to prognosticate patients for the main outcomes of death and clinical deterioration or escalation of therapy. Two authors independently selected studies, with disagreement resolved by consensus. Ad hoc piloted forms were used to extract data and assess risk of bias. We used a random‐effects model to pool relevant data in meta‐analysis with odds ratios ( OR ) and 95% confidence intervals ( CI ), while all other data were synthesized qualitatively. Statistical heterogeneity was assessed using the I 2 index. Results We included five studies (1,165 patients). There was complete agreement in study selection. fQRS significantly predicted in‐hospital mortality ( OR [95% CI ], 2.92 [1.73–4.91]; p < .001), cardiogenic shock ( OR [95% CI ], 4.71 [1.61–13.70]; p = .005), and total mortality at 2‐year follow‐up ( OR [95% CI ], 4.42 [2.57–7.60]; p < .001). Adjusted analyses were generally consistent with these results. Conclusion Although few studies have explored the current study's question, they showed that fQRS is potentially valuable in PE prognostication. fQRS should be considered as an entry, along with other clinical and ECG findings, in a PE risk score.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».