Abstract 14054: Pre-Hospital Predictors of Cardiogenic Shock Among ST-Segment Elevation Myocardial Infarction Patients With and Without Cardiac Arrest: Implications for Shock Teams
Notice bibliographique
Résumé
Introduction: Cardiogenic shock (CS) develops in up to 8.6% of patients with STEMI and is associated with poor outcomes. Early identification of patients at risk of CS is paramount to enable timely mobilization of shock teams to improve outcomes. Hypothesis: We hypothesized that pre-hospital clinical parameters can predict development of CS in STEMI patients undergoing primary PCI. Using these predictors, we developed a risk score to rapidly identify patients at risk of developing CS. Methods: We performed a retrospective cohort study using prospective data from a centralized STEMI registry of a healthcare system serving 1.25 million people. Patients presenting with STEMI with intent to receive primary PCI between 2012 to 2020 were included. Logistic regression was used to assess the relationship between predictors and the occurrence of CS at any point from first medical contact to hospital discharge. The prediction model was converted to a risk score by scaling of the regression coefficients. The accuracy of the risk score was determined using C-statistic. Results: Among 2736 consecutive STEMI patients, 15.2% (n=415) developed CS. Overall, 10.9% of patients had prehospital cardiac arrest, which was more likely in those with CS (46.5% vs. 4.5%, p<0.001). Patients with CS were more likely to have prolonged first medical contact-to-device time per national guidelines (74.7% vs. 53.3%, p<0.001). Regression analysis identified 8 parameters that predict CS as shown in Table 1. Two models, with and without cardiac arrest, were developed. Both models show C-statistics of 0.80 and above. Conclusions: Among STEMI patients with intent to undergo primary PCI, we identified 8 clinical parameters that strongly predict CS. This has been developed into a scoring system which can be easily used by emergency service providers to rapidly identify patients with CS and enable timely shock team activation.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».