Patient Outcomes After Implementation of Pulmonary Embolism Response Teams in the United States of America: A Review of the Literature
Notice bibliographique
Résumé
Abstract Introduction: Pulmonary embolism (PE) is the 3rd leading cause of cardiovascular death, with approximately 200,000 - 900,000 new cases annually in the United States of America (USA). PE is categorized into one of three categories (low, intermediate, and high risk) based on the severity of hemodynamic compromise, right ventricular (RV) enlargement, and laboratory values. Individuals with low-risk PE generally do well with anticoagulation alone. Those with intermediate-risk PE pose a challenge, and prior research has been inconsistent with treatment recommendations. Due to this challenge, the Pulmonary Embolism Response Team (PERT) was established in 2012 to provide a multidisciplinary approach for individualizing risk stratification and tailoring treatment plans. This literature review aims to analyze the effect of implementing PERT on patient outcomes, focusing on mortality rates and patient care efficiency metrics (time to diagnosis, time to anticoagulation and time to triage). Methods: A systematic literature review using PubMed and Google Scholar was conducted to analyze mortality rate and patient outcomes, specifically time to diagnosis, time to triage and timing of initiation of anticoagulation after the implementation of the PERT. Results: Six articles were analyzed and found to have inconsistent findings regarding mortality rate after the implementation of PERT. Of those that found statistically significant reductions in mortality rate, a correlation was noted with improved patient care efficiency metrics. Conclusion: PERT provides individualized risk stratification and management of treatment decisions, which is particularly important for intermediate PE. Emphasis on the timing of diagnosis and initiation of anticoagulation is crucial in reducing mortality rates. Continued research is essential to evaluate the long-term effects of PERT on mortality rates.
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 | 0,006 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,013 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».