How do neurologists diagnose transient ischemic attack: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Identifying and treating patients with transient ischemic attack is an effective means of preventing stroke. However, making this diagnosis can be challenging, and over a third of patients referred to stroke prevention clinic are ultimately found to have alternate diagnoses. AIMS: We performed a systematic review to determine how neurologists diagnose transient ischemic attack. SUMMARY OF REVIEW: A systematic literature search was performed according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines using MEDLINE, Embase, and the Cochrane Library databases. Publications eligible for inclusion were those that included information on the demographic or clinical features neurologists use to diagnose transient ischemic attacks or transient ischemic attack-mimics. Of 1666 citations, 210 abstracts were selected for full-text screening and 80 publications were ultimately deemed eligible for inclusion. Neurologists were more likely to diagnose transient ischemic attack based on clinical features including negative symptoms or speech deficits. Patients with positive symptoms, altered level of consciousness, or the presence of nonfocal symptoms such as confusion or amnesia were more likely to be diagnosed with transient ischemic attack-mimic. Neurologists commonly include mode of onset (i.e. sudden versus gradual), recurrence of attacks, and localizability of symptoms to a distinct vascular territory in the diagnostic decision-making process. Transient ischemic attack diagnosis was more commonly associated with advanced age, preexisting hypertension, atrial fibrillation, and other vascular risk factors. CONCLUSIONS: Neurologists rely on certain clinical and demographic features to distinguish transient ischemic attacks from mimics, which are not currently reflected in widely used risk scores. Clarifying how neurologists diagnose transient ischemic attack may help frontline clinicians to better select patients for referral to stroke prevention clinics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».