MétaCan
Menu
← Retour à la cohorte
Enregistrement W2897397850 · doi:10.1161/str.49.suppl_1.195

Abstract 195: Drip and Ship vs. Mothership: a Comparison of Two Different Conditional Probability Models

2018· article· en· W2897397850 sur OpenAlexaff
Jessalyn K. Holodinsky, Tyler Williamson, Andrew M Demchuk, Henry Zhao, Alan Coreas, Michael J. Francis, Bradley Pfannmuller, Mayank Goyal, Michael D. Hill, Noreen Kamal

Notice bibliographique

RevueStroke · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)SurgeryRadiologyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Introduction: There is uncertainty about the best treatment method for patients with suspected large vessel occlusion (LVO) stroke. The drip and ship [alteplase at a Primary Stroke Centre (PSC) and then transfer to a Comprehensive Stroke Centre (CSC) for endovascular therapy (EVT)] and mothership (bypassing the PSC in pursuit of EVT at a CSC) transport methods have been proposed. Earlier, these two methods were evaluated for patients with assumed known LVO. As LVO cannot be diagnosed without imaging we present an update for patients with suspected LVO using the Los Angeles Motor Scale (LAMS) screening tool. Methods: The expected distribution of LVO, non-LVO occlusions (nLVO), intracranial hemorrhages (ICH), and stroke mimics (SM) for patients with LAMS≥4 was combined with time dependent probability of good outcome for alteplase (for LVO and nLVO) and EVT, and probability of good outcome for ICH and SM to create conditional probability models for drip and ship and mothership scenarios. Results were mapped and compared with the previous model. Results: For patients with LAMS≥4 drip and ship and mothership predict equivalent outcomes in most areas (Figure-Panel A). Drip and ship is only relevant at PSCs that are far from CSCs. Increasing door to needle time (DNT) decreases the size of drip and ship areas. This contrasts with the prior model (Figure-Panel B) where mothership is more dominant especially as DNT increases. Conclusions: The inclusion of nLVO, ICH, and SM patients introduces important differences in modelling patient transport. This diagnosis uncertainty decreases the relative difference between the probabilities of good outcome for the two transport options.

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)0,048
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,252

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,069
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,008
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0040,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,053
Tête enseignante GPT0,318
Écart entre enseignants0,265 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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