MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391438323 · doi:10.1161/str.55.suppl_1.24

Abstract 24: Differences in Door to Needle and Door In Door Out Times for Tenecteplase vs Alteplase in Acute Ischemic Stroke: Findings From Get With the Guidelines Stroke

2024· article· en· W4391438323 sur OpenAlexaff
Steven Warach, Jeremy M. Weber, Brooke Alhanti, Steven R. Messé, Lee H. Schwamm, Gregg C. Fonarow, Kevin N. Sheth, Eric E. Smith, Michael T. Mullen, Gisele Sampaio Silva, Brian Mac Grory, Ying Xian, Jeffrey L. Saver

Notice bibliographique

RevueStroke · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineTenecteplaseThrombolysisStroke (engine)Clinical endpointCohortEmergency medicineInternal medicineRandomized controlled trialMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Introduction: Tenecteplase (TNK) has arisen as an alternative to alteplase (ALT) for emergent treatment of acute ischemic stroke. Shorter times to prepare and administer TNK raises the possibility that TNK use leads to faster treatment and transfer times. Hypothesis: We hypothesized that treatment with TNK is associated with shorter door-to-needle (DTN) and door-in-door-out (DIDO) times. Methods: Using the US Get With The Guidelines-Stroke registry, we performed a retrospective, observational cohort study of consecutive patients treated with either TNK or ALT between July 1, 2020 and June 30, 2022. The exposure was treatment with TNK vs ALT. The primary endpoints were DTN and DIDO. We fit generalized linear mixed models to determine the association between TNK (vs ALT) and endpoints after adjustment for key demographic, clinical, and hospital-level variables. A secondary analysis compared changes in DTN among hospitals that switched to TNK in 2021 with at least 10 cases per year pre and post switch. Results: From 2092 sites, 133,228 patients received intravenous thrombolysis. Among the 13,988 (10%) treated with TNK, median age was 70 yrs, median NIHSS 7, 47% female, 21% received endovascular thrombectomy (EVT), and 9% were transferred from the hospital emergency department after receiving lytic. Among 119,240 (90%) treated with ALT, median age was 69 yrs, median NIHSS 7, 48% female; 17% received EVT, and 12% were transferred after lytic. In the primary DTN analysis, time to treatment was shorter with TNK, with mean 47.0 vs 52.7 minutes and DTN ≤60 mins in 77.5% vs 70.7% (TABLE). In the primary DIDO analysis, time to departure was shorter with TNK, 108.3 vs 114.1 minutes. In centers that changed from ALT to TNK during this period DTN times were significantly lower after switching. Conclusions: In this largest study of TNK vs ALT workflow time intervals in ischemic stroke using population-based data, TNK use was associated with more favorable DTN and DIDO times relative to ALT use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,287
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetAcute Ischemic Stroke Management→Travaux en français237 207→