MétaCan
Menu
Retour à la cohorte
Enregistrement W4398793545 · doi:10.1161/strokeaha.123.045521

Mapping the Ecological Terrain of Stroke Prehospital Delay: A Nationwide Registry Study

2024· article· en· W4398793545 sur OpenAlexaff
Amar Dhand, Mathew J. Reeves, Yi Mu, Bernard Rosner, Zachary Rothfeld-Wehrwein, Amber Nieves, Vrushali Dhongade, Molly P. Jarman, Regan W. Bergmark, Robert Semco, Jeremy Ader, Brandon D. L. Marshall, William C. Goedel, Gregg C. Fonarow, Eric E. Smith, Jeffrey L. Saver, Lee H. Schwamm, Kevin N. Sheth

Notice bibliographique

RevueStroke · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensOntario Brain Institute
Organismes subventionnairesJanssen PharmaceuticalsNational Institute on Minority Health and Health DisparitiesNational Center for Advancing Translational SciencesAmerican Stroke AssociationAlexion PharmaceuticalsBiogenEli Lilly and CompanyAstraZenecaPfizerAmgenNovo NordiskCytokineticsAmerican Heart AssociationAbbott Laboratories
Mots-clésMedicineStroke (engine)Social vulnerabilityQuartileHazard ratioProportional hazards modelGeospatial analysisEcological studyEmergency medicineVulnerability (computing)Emergency medical servicesDemographyMedical emergencyCartographyInternal medicineConfidence intervalEnvironmental healthPopulationPsychological interventionGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Delays in hospital presentation limit access to acute stroke treatments. While prior research has focused on patient-level factors, broader ecological and social determinants have not been well studied. We aimed to create a geospatial map of prehospital delay and examine the role of community-level social vulnerability. METHODS: We studied patients with ischemic stroke who arrived by emergency medical services in 2015 to 2017 from the American Heart Association Get With The Guidelines-Stroke registry. The primary outcome was time to hospital arrival after stroke (in minutes), beginning at last known well in most cases. Using Geographic Information System mapping, we displayed the geography of delay. We then used Cox proportional hazard models to study the relationship between community-level factors and arrival time (adjusted hazard ratios [aHR] <1.0 indicate delay). The primary exposure was the social vulnerability index (SVI), a metric of social vulnerability for every ZIP Code Tabulation Area ranging from 0.0 to 1.0. RESULTS: Of 750 336 patients, 149 145 met inclusion criteria. The mean age was 73 years, and 51% were female. The median time to hospital arrival was 140 minutes (Q1: 60 minutes, Q3: 458 minutes). The geospatial map revealed that many zones of delay overlapped with socially vulnerable areas (https://harvard-cga.maps.arcgis.com/apps/webappviewer/index.html?id=08f6e885c71b457f83cefc71013bcaa7). Cox models (aHR, 95% CI) confirmed that higher SVI, including quartiles 3 (aHR, 0.96 [95% CI, 0.93-0.98]) and 4 (aHR, 0.93 [95% CI, 0.91-0.95]), was associated with delay. Patients from SVI quartile 4 neighborhoods arrived 15.6 minutes [15-16.2] slower than patients from SVI quartile 1. Specific SVI themes associated with delay were a community's socioeconomic status (aHR, 0.80 [95% CI, 0.74-0.85]) and housing type and transportation (aHR, 0.89 [95% CI, 0.84-0.94]). CONCLUSIONS: This map of acute stroke presentation times shows areas with a high incidence of delay. Increased social vulnerability characterizes these areas. Such places should be systematically targeted to improve population-level stroke presentation times.

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)0,005
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 enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,278
Écart entre enseignants0,257 · 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

Citations22
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207