MétaCan
Menu
Retour à la cohorte
Enregistrement W4282937368 · doi:10.1097/ccm.0000000000005594

Accuracy of the Initial Rhythm to Predict a Short No-Flow Time in Out-of-Hospital Cardiac Arrest

2022· article· en· W4282937368 sur OpenAlexaffabout
Alexis Cournoyer, Yiorgos Alexandros Cavayas, Brian J. Potter, Yoan Lamarche, Eli Segal, Luc de Montigny, Martin Albert, Justine Lessard, Martin Marquis, Jean Paquet, Sylvie Cossette, Judy Morris, Véronique Castonguay, Jean‐Marc Chauny, Raoul Daoust

Notice bibliographique

RevueCritical Care Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrest and Resuscitation
Établissements canadiensUniversité de MontréalMcGill UniversityCentre Hospitalier de l’Université de MontréalMontreal Heart InstituteInstitut Universitaire de Gériatrie de MontréalHôpital du Sacré-Cœur de MontréalHôpital Maisonneuve-RosemontSante MontrealMontreal General Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineRhythmCardiologyInternal medicineEmergency medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The no-flow time (NFT) can help establish prognosis in out-of-hospital cardiac arrest (OHCA) patients. It is often used as a selection criterion for extracorporeal resuscitation. In patients with an unwitnessed OHCA for whom the NFT is unknown, the initial rhythm has been proposed to identify those more likely to have had a short NFT. Our objective was to determine the predictive accuracy of an initial shockable rhythm for an NFT of 5 minutes or less (NFT ≤ 5). DESIGN: Retrospective analysis of prospectively collected data. SETTING: Prehospital OHCA in eight U.S. and three Canadian sites. PATIENTS: A total of 28,139 adult patients with a witnessed nontraumatic OHCA were included, of whom 11,228 (39.9%) experienced an emergency medical service-witnessed OHCA (NFT = 0), 695 (2.7%) had a bystander-witnessed OHCA, and an NFT less than or equal to 5, and 16,216 (57.6%) with a bystander-witnessed OHCA and an NFT greater than 5. INTERVENTIONS: Sensitivity, specificity, and likelihood ratios of an initial shockable rhythm to identify patients with an NFT less than or equal to 5 minutes. MEASUREMENTS AND MAIN RESULTS: The sensitivity of an initial shockable rhythm to identify patients with an NFT less than or equal to 5 was poor (25% [95% CI, 25-26]), but specificity was moderate (70% [95% CI, 69-71]). The positive and likelihood ratios were inverted (negative accuracy) (positive likelihood ratio, 0.76 [95% CI, 0.74-0.79]; negative likelihood ratio, 1.12 [95% CI, 1.10-1.12]). Including only patients with a bystander-witnessed OHCA improved the sensitivity to 48% (95% CI, 45-52), the positive likelihood ratio to 1.45 (95% CI, 1.33-1.58), and the negative likelihood ratio to 0.77 (95% CI, 0.72-0.83), while slightly lowering the specificity to 67% (95% CI, 66-67). CONCLUSIONS: Our analysis demonstrated that the presence of a shockable rhythm at the time of initial assessment was poorly sensitive and only moderately specific for OHCA patients with a short NFT. The initial rhythm, therefore, should not be used as a surrogate for NFT in clinical decision-making.

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)0,001
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,322
Écart entre enseignants0,306 · 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'étudeObservationnel
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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetCardiac Arrest and ResuscitationTravaux en français237 207