A nomogram-based clinical tool for acute ischemic stroke screening in prehospital setting
Notice bibliographique
Résumé
Background: We believe that designing a new tool which is comparable in terms of both sensitivity and specificity may play an important role in rapid and more accurate diagnosis of acute ischemic stroke (AIS) in prehospital stage. Therefore, we intended to develop a new clinical tool for the diagnosis of AIS in the prehospital stage. Methods: This was a cross-sectional diagnostic accuracy study. All patients transferred to the emergency department (ED) who underwent brain magnetic resonance imaging (MRI) with impression of AIS were evaluated by 9 clinical tools for stroke diagnosis in the pre-hospital phase including Rapid Arterial Occlusion Evaluation (RACE), Cincinnati Prehospital Stroke Scale (CPSS), Los Angeles Prehospital Stroke Screen (LAPSS), Melbourne Ambulance Stroke Screen (MASS), Medic Prehospital Assessment for Code Stroke (Med PACS), Ontario Prehospital Stroke Screening Tool (OPSS), PreHospital Ambulance Stroke Test (PreHAST), Recognition of Stroke in the Emergency Room (ROSIER), and Face Arm Speech Test (FAST), and totally 19 items were reviewed and recorded. The new clinical tool was developed based on backward method of multivariable logistic regression analysis. The discrimination power of the new clinical tool for diagnosis of AIS was assessed with the area under the receiver operating characteristic curve (AUC-ROC). Results: Data from 806 patients were analyzed; of them, 57.4% were men. The mean age of the study patients was 66.9 years [standard deviation (SD) = 13.9]. In the multivariable model, 8 items remained. The AUC-ROC of the new clinical tool was 0.893 [95% confidence interval (CI): 0.869-0.917], and its best cut-off point was score ≥ 3 for positive AIS. At this cut-off point, sensitivity and specificity were 84.42% and 79.72%, respectively. Conclusion: We introduced a new nomogram-based clinical tool for the diagnosis of AIS in the prehospital stage, which has acceptable specificity and sensitivity; moreover, it is comparable with previous tools.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».