Missing occlusions: Quality gaps for ED patients with occlusion MI
Notice bibliographique
Résumé
BACKGROUND: ST-elevation Myocardial Infarction (STEMI) guidelines encourage monitoring of false positives (Code STEMI without culprit) but ignore false negatives (non-STEMI with occlusion myocardial infarction [OMI]). We evaluated the hospital course of emergency department (ED) patients with acute coronary syndrome (ACS) using STEMI vs OMI paradigms. METHODS: This retrospective chart review examined all ACS patients admitted through two academic EDs, from June 2021 to May 2022, categorized as 1) OMI (acute culprit lesion with TIMI 0-2 flow, or acute culprit lesion with TIMI 3 flow and peak troponin I >10,000 ng/L; or, if no angiogram, peak troponin >10,000 ng/L with new regional wall motion abnormality), 2) NOMI (Non-OMI, i.e. MI without OMI) or 3) MIRO (MI ruled out: no troponin elevation). Patients were stratified by admission for STEMI. Initial ECGs were reviewed for automated interpretation of "STEMI", and admission/discharge diagnoses were compared. RESULTS: Among 382 patients, there were 141 OMIs, 181 NOMIs, and 60 MIROs. Only 40.4% of OMIs were admitted as STEMI: 60.0% had "STEMI" on ECG, and median door-to-cath time was 103 min (IQR 71-149). But 59.6% of OMIs were not admitted as STEMI: 1.3% had "STEMI" on ECG (p < 0.001) and median door-to-cath time was 1712 min (IQR 1043-3960; p < 0.001). While 13.9% of STEMIs were false positive and had a different discharge diagnosis, 32.0% of Non-STEMIs had OMI but were still discharged as "Non-STEMI." CONCLUSIONS: STEMI criteria miss a majority of OMI, and discharge diagnoses highlight false positive STEMI but never false negative STEMI. The OMI paradigm reveals quality gaps and opportunities for improvement.
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 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 | 0,003 | 0,002 |
| 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 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».