Preh Hospital Stroke Screening Showdown Crown دو ابزار


دو مقیاس برای پیش آگهی پیش بیمارستانی در شناسایی بیماران سکته مغزی که ممکن است کاندیدای ترومبکتومی مکانیکی در هلند باشند بهتر از سایر مقیاس ها است ، اگرچه نتایج ممکن است در سایر کشورها و مناطق متفاوت باشد.

دقیق ترین مقیاس ها برای پیش بینی انسداد رگ های بزرگ (LVO) ابزارهای مقیاس موتور لس آنجلس (LAMS) و ارزیابی سریع انسداد شریانی (RACE) هستند که طبق دقت دکتر نیویکا به ترتیب 89 و 88 درصد تخمین زده شده است. Kruyt ، از مرکز پزشکی دانشگاه لیدن ، هلند ، و همكاران گزارش آنلاین در عصب شناسی JAMA.

این دو مقیاس به طور قابل توجهی از سایر مقیاس های پیش بینی شده فراتر رفته است:

  • ابزار سکته مغزی سینسیناتی (C-STAT)
  • شدت سکته مغزی حاد (PASS)
  • زمان گفتار نگاه به چهره و دست (G-FAST)
  • ارزیابی میدانی مقصد اضطراری (FAST-ED)
  • بینایی ، عدم تقارن صورت ، سطح هوشیاری ، ناپدید شدن / عدم توجه (GACE)

برای این مطالعه ، پیراپزشکان صفحه ای از 10 تا 13 مشاهده عصبی را در محل یا در حین حمل و نقل هر بیمار با کد سکته مغزی در مناطق لیدن و لاهه تکمیل کردند. محققان سپس هفت مقیاس را برای پیش بینی LVO از این داده ها در 2،007 بزرگسال مشکوک به سکته مغزی بازسازی و آزمایش کردند.

غلبه بر علامت ، گردش خون قدامی LVO [sLAVO] در این گروه 7.9٪ است.

به گفته کرویت و همکارانش: “در عمل ، مقیاس ترجیحی برای پیش بینی sLAVO به زمینه محلی بستگی خواهد داشت که شامل عواملی مانند شیوع sLAVO ، تفاوت در زمان حمل و نقل بین بیمارستان ها ، شاخص های عملکرد بیمارستان و سیاست های محلی خواهد بود.”

بنابراین ، نتایج مقایسه سکته های وسیع آنها – در جمعیت هلندی تقریباً 2 میلیون نفری با دو سیستم EMS ، سه مرکز سکته مغزی کامل و چهار مرکز سکته مغزی اولیه – ممکن است در جای دیگری تکرار نشود.

هر هفت مقیاس تریاژ پیش بیمارستانی دقت و صحت ، ویژگی بالا (93٪ 80٪) و حساسیت کم (62٪ 38٪) را در شناسایی کاندیدهای ترومبکتومی درون عروقی نشان دادند.

“البته ، با توجه به حساسیت کم طراحی جهانی آنها ، انتظار می رود که استفاده از هر یک از این مقیاس ها منجر به درصد بالایی از مثبت کاذب شود. و نتیجه آن برای بیماران با مثبت کاذب ، سطح بالای انحراف به دکتر کوری زاهریسون از بیمارستان ماساچوست و دانشکده پزشکی هاروارد در بوستون و دکتر پوجا هاتری از دانشگاه سینسیناتی ، اوهایو اظهار داشتند:

آنها در نسخه همراه هشدار دادند که چنین تعلیقی می تواند منجر به زمان حمل و نقل طولانی تر و تأخیر در استفاده از آلتپلاز (اکتیاز) برای بیماران واجد شرایط ، فاصله بیماران از خانواده ها و شبکه های پشتیبانی و ازدحام غیرضروری در مراکز بزرگ سکته مغزی شود. .

آنها نوشتند: “با این حال ، در دراز مدت ، برخی از کراس اوورها توجیه می شود و ممکن است لازم باشد منابع برای اختصاص این امر اختصاص داده شود ، با توجه به مزایای بی سابقه اما حساس به زمان از ترومبکتومی اندوواسکولار بر مرگ و میر بیمار”

این مطالعه شامل افرادی با کدهای سکته مغزی فعال شده توسط EMS پس از آزمایش اولیه FAST در 2018-2019 بود. متوسط ​​سن 71.1 سال و 9/50 درصد بیماران مرد بودند. میانگین امتیاز مقیاس سکته مغزی NIH 4 است.

در میان ابزارهای غربالگری آزمایش شده ، میزان امکان پذیری RACE نسبتاً کم 78.1٪ یا نسبت کدهای سکته حاد است که می توان مقیاس پیش بیمارستانی را برای آنها بازیابی کرد. شایع ترین حالت از دست رفته ، نقص حرکتی در پاها است.

در مقابل ، مقیاس PASS دارای بهترین امکان سنجی 87.9٪ است که به گفته نویسندگان ، مقیاس دارای عناصر کمتری برای ارزیابی نسبت به مقیاس های دیگر است.

“[I]مهم است که قبل از استفاده از مقیاس پیش بینی میدانی ، این احتمال در نظر گرفته شود ، زیرا آموزش هدفمند می تواند این سرعت را به میزان قابل توجهی افزایش دهد. “

“نویسندگان به درستی تشخیص می دهند که علاوه بر دقت ، ملاحظات امکان سنجی در ارزیابی مقیاس ها برای تنظیم مرحله پیش بیمارستانی بسیار مهم است. اجرا نباید بار غیرضروری را در پیراپزشکان در محیط پیش بیمارستانی کنترل نشده و از جمله نیازهای مختلف ارزیابی در محل ایجاد کند. از یک بیمار که در شرایط بحرانی است ، “به گفته Zachrison و Khatri.

تیم کرویت هشدار داد که پیراپزشکان در 26.7٪ از کدهای سکته حاد که از مطالعه خارج شده بودند ، لیست مراقبتی را پر نکردند. علاوه بر این ، مطالعه محدود است زیرا همه مقیاس های پیش بینی موجود را آزمایش نمی کند.

به گفته ویراستاران ، در هر صورت ، پیشرفت های آینده در تریاژ سکته مغزی پیش بیمارستانی ممکن است بیشتر به فناوری بستگی داشته باشد.

“شاید حسگرهای غیرتهاجمی نسبت به این ابزارهای ساده غربالگری قبل از بیمارستان در شناسایی تأثیرات بزرگتر موثر باشند. یا شاید ما باید مدل های ریاضی پیچیده تری را برای راه حل های موجود برای برنامه های تلفن های هوشمند در نظر بگیریم ؛ چنین مدل هایی می توانند با عدم اطمینان مقابله کنید ، احتمالات را در نظر بگیرید ، گزینه های مختلف حمل و نقل را بسنجید و حتی الگوهای ترافیکی زنده را برای تحریک تصمیم گیری با استفاده از هوش مصنوعی در نظر بگیرید “، می نویسند Zachrison و Khatri.

  • نیکول لو گزارشگر MedPage Today است ، جایی که اخبار قلب و عروق و سایر تحولات پزشکی را پوشش می دهد. دنبال می کنم

افشای اطلاعات

این مطالعه با کمک های مالی بنیاد قلب هلند ، سازمان تحقیقات و توسعه بهداشت هلند ، بنیاد مغز هلند ، صندوق های نوآوری هلند و بهداشت هلند پشتیبانی شد.

گروه کرویت هیچ افشاگری ندارد.

Zachrison گزارش کمک های مالی موسسه تحقیقات و کیفیت بهداشت ، NIH ، CRICO و کالج پزشکان اورژانس آمریکایی را ارائه می دهد.

خاتری اعلام کرد که کمک های مالی موسسه ای را از Cerenovus و Nervive ، کمک هزینه های NIH ، هزینه شخصی م personalسسه را از Lumosa Therapyics و DiaMedica Therapy و هزینه شخصی را از Bayer دریافت کرده است.




منبع: kaheshvazn-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>