Focused Chest Pain Assessment for Early Detection of Acute Coronary Syndrome: Development of a Cardiovascular Digital Health Intervention
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: Chest pain misinterpretation is the leading cause of pre-hospital delay in acute coronary syndrome (ACS). This study aims to identify and differentiate the chest pain characteristics associated with ACS. Methods: A total of 164 patients with a primary complaint of chest pain in the ER were included in the study. ACS diagnosis was made by a cardiologist based on the WHO criteria, and the patients were interviewed 48 hours after their admission. Furthermore, every question was analysed using the crosstabs method to obtain the odds ratio, and logistic regression analysis was applied to identify the model of focused questions on chest pain assessment. Results: Among the samples, 50% of them had an ACS. Four questions fitted the final model of ACS chest pain focused questions: 1) Did the chest pain occur at the left/middle chest? 2) Did the chest pain radiate to the back? 3) Was the chest pain provoked by activity and relieved by rest? 4) Was the chest pain provoked by food ingestion, positional changes, or breathing? This model has 92.7% sensitivity, 84.1% specificity, 85% positive predictive value (PPV), 86% negative predictive value (NPV), and 86% accuracy. After adjusting for gender and diabetes mellitus (DM), the final model has a significant increase in Nagelkerke R-square to 0.737 and Hosmer and Lemeshow test statistic of 0.639. Conclusion: Focused questions on 1) left/middle chest pain, 2) retrosternal chest pain, 3) exertional chest pain that is relieved by rest, and 4) chest pain from food ingestion, positional changes, or breathing triggering can be used to rule out ACS with high predictive value. The findings from this study can be used in health promotion materials and campaigns to improve public awareness regarding ACS symptoms. Additionally, digital health interventions to triage patients' suffering with chest pain can also be developed.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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