Chest pain investigation in patients at low or intermediate risk: What is the best first-line test to rule out coronary artery disease?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To compare different methods for investigation of stable, low-risk chest pain and identify the best first-line test for patients at low or intermediate risk of coronary artery disease (CAD). SOURCES OF INFORMATION: The MEDLINE database was searched for articles on chest pain investigation from 1978 to 2019 using the following key terms: chest pain, exercise electrocardiography, nuclear perfusion imaging, stress echocardiography, cardiovascular magnetic resonance imaging, coronary computed tomography angiography, and catheter angiography. Results were limited to English-language, peer-reviewed journal publications. MAIN MESSAGE: Chest pain is a common chief concern among patients presenting to primary care physicians. Several investigative options exist, and each method has inherent strengths and limitations resulting in variable performance depending on the pretest likelihood of CAD. Controversy exists regarding which is the best first-line test among low- or intermediate-risk patients. Coronary computed tomography angiography is emerging as the best first-line test for chest pain investigation in patients who are at low or intermediate risk of CAD. Invasive catheter angiography remains the reference standard, although it is usually reserved for high-risk patients or for confirmation of positive noninvasive test results. CONCLUSION: Several investigative options exist for the evaluation of stable, low-risk chest pain. A review of the literature reveals an emerging role for CCTA as a first-line test, particularly in low- or intermediate-risk populations without known CAD.
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.
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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle