Accuracy of Physicians in Differentiating Type 1 and Type 2 Myocardial Infarction Based on Clinical Information
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
BACKGROUND: Physicians commonly judge whether a myocardial infarction (MI) is type 1 (thrombotic) vs type 2 (supply/demand mismatch) based on clinical information. Little is known about the accuracy of physicians' clinical judgement in this regard. We aimed to determine the accuracy of physicians' judgement in the classification of type 1 vs type 2 MI in perioperative and nonoperative settings. METHODS: (OPTIMUS) Study, which investigated the prevalence of a culprit lesion thrombus based on intracoronary optical coherence tomography (OCT) in patients experiencing MI. Four MI cases, 2 perioperative and 2 nonoperative, were selected randomly, stratified by etiology. Physicians were provided with the patient's medical history, laboratory parameters, and electrocardiograms. Physicians did not have access to intracoronary OCT results. The primary outcome was the accuracy of physicians' judgement of MI etiology, measured as raw agreement between physicians and intracoronary OCT findings. Fleiss' kappa and Gwet's AC1 were calculated to correct for chance. RESULTS: The response rate was 57% (308 of 536). Respondents were 62% male; median age was 45 years (standard deviation ± 11); 45% had been in practice for > 15 years. Respondents' overall accuracy for MI etiology was 60% (95% confidence interval [CI] 57%-63%), including 63% (95% CI 60%-68%) for nonoperative cases, and 56% (95% CI 52%-60%) for perioperative cases. Overall chance-corrected agreement was poor (kappa = 0.05), consistent across specialties and clinical scenarios. CONCLUSIONS: Physician accuracy in determining MI etiology based on clinical information is poor. Physicians should consider results from other testing, such as invasive coronary angiography, when determining MI etiology.
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 | 0,002 |
| 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