The role of point-of-care ultrasound in the diagnosis of pericardial effusion: a single academic center retrospective study
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: Symptomatic pericardial effusion (PCE) presents with non-specific features and are often missed on the initial physical exam, chest X-ray (CXR), and electrocardiogram (ECG). In extreme cases, misdiagnosis can evolve into decompensated cardiac tamponade, a life-threatening obstructive shock. The purpose of this study is to evaluate the impact of point-of-care ultrasound (POCUS) on the diagnosis and therapeutic intervention of clinically significant PCE. METHODS: In a retrospective chart review, we looked at all patients between 2002 and 2018 at a major Canadian academic hospital who had a pericardiocentesis for clinically significant PCE. We extracted the rate of presenting complaints, physical exam findings, X-ray findings, ECG findings, time-to-diagnosis, and time-to-pericardiocentesis and how these were impacted by POCUS. RESULTS: The most common presenting symptom was dyspnea (64%) and the average systolic blood pressure (SBP) was 120 mmHg. 86% of people presenting had an effusion > 1 cm, and 89% were circumferential on departmental echocardiogram (ECHO) with 64% having evidence of right atrial systolic collapse and 58% with early diastolic right ventricular collapse. The average time-to-diagnosis with POCUS was 5.9 h compared to > 12 h with other imaging including departmental ECHO. Those who had the PCE identified by POCUS had an average time-to-pericardiocentesis of 28.1 h compared to > 48 h with other diagnostic modalities. CONCLUSION: POCUS expedites the diagnosis of symptomatic PCE given its non-specific clinical findings which, in turn, may accelerate the time-to-intervention.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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