Diagnostic Accuracy of Posterior Circulation Stroke by Paramedics: A Systematic Review
Notice bibliographique
Résumé
Objective This systematic review aims to identify the diagnostic accuracy of posterior circulation stroke (PCS) by paramedics and the causes and duration of delay in its recognition.Methods A systematic search using CINAHL Plus, MEDLINE, Scopus, and PubMed was performed. All databases were searched up to May 25, 2022. Studies were included where patients were adults, assessed by paramedics, and PCS was the primary diagnosis. Bias was assessed using the Newcastle-Ottawa Scale and the Effective Practice and Organization of Care tool. Results have been described by proportions, and both sensitivity calculations and subgroup analysis were performed utilizing MedCalc.Results A total of 797 titles/abstracts and a subsequent 87 full texts were screened, of which 15 were included. There were 5395 patients who were assessed by paramedics and had a confirmed diagnosis of PCS. Among five studies containing both true positive and false negative data, there were 98 (45.8%) true positives. PCS patients lost an average of 27 min (p < 0.001) compared to anterior stroke patients in the prehospital setting. One study revealed that educational intervention, including implementing the finger-to-nose test, increased the sensitivity for diagnosis from 45.8 to 74.1% (p = 0.039) and decreased the time from door to computed tomography from 62 to 41 min (p = 0.037).Conclusion There is a substantial lack of evidence regarding the diagnosis of PCS by paramedics. Despite the low quality of evidence available, overall, the sensitivity for paramedic PCS diagnosis appears to be poor. Further investigation is required into paramedics’ diagnosis of PCS and the use of educational interventions.Prospective Register of Systematic Reviews Registration Number: CRD42022324675.
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 | 0,000 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».