Application of five risk stratification tools for syncope in older adults
Notice bibliographique
Résumé
OBJECTIVE: Treatment of syncope in older adults places a burden on healthcare systems. We used five risk stratification tools to predict short-term adverse outcomes in older patients with syncope. METHODS: This was a retrospective analysis of patients with syncope (age ≥60 years) in the emergency department of an urban academic hospital. The data were evaluated using the Risk Stratification of Syncope in the Emergency Department (ROSE), San Francisco Syncope Rule (SFSR), FAINT, Canadian Syncope Risk Score (CSRS), and Boston Syncope Criteria (BSC) tools. Sensitivity, specificity, accuracy, positive and negative predictive value (NPV), and positive and negative likelihood ratios of each tool were calculated and compared for adverse events within 1 month. RESULTS: In total, 221 patients (average age 75.6 years) were analyzed. Fifty-nine patients (26.7%) had experienced an adverse event within 1 month. For the ROSE, SFSR, FAINT, CSRS and BSC tools, sensitivities were 81.3%, 76.3%, 93.2%, 71.2%, and 94.9%, specificities were 88.3%, 87.7%, 56.8%, 71.6%, and 67.3%, and NPVs were 92.9%, 91.0%, 95.8%, 87.2%, and 97.3%, respectively. CONCLUSION: The five assessed tools could be useful for physicians in screening older patients with syncope for the risk of short-term adverse events, according to the patient's actual situation.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».