Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Myocarditis II: Clinical Features and Diagnostic Tests01:27

Myocarditis II: Clinical Features and Diagnostic Tests

20
Myocarditis is an inflammation of the heart muscle. The symptoms vary widely, encompassing asymptomatic presentations to severe, acute manifestations.Clinical PresentationAsymptomatic cases: In some instances, myocarditis may be asymptomatic, with the infection resolving without intervention. These cases often go undetected unless discovered incidentally through diagnostic imaging or tests conducted for other reasons.General Early Symptoms: Early symptoms of myocarditis are non-specific and can...
20
Blood Studies for Cardiovascular System I: Cardiac Biomarkers01:20

Blood Studies for Cardiovascular System I: Cardiac Biomarkers

334
Cardiac biomarkers are enzymes, proteins, and hormones released into the blood when cardiac cells are injured. They are powerful tools for triaging.
The essential diagnostic tools for detecting myocardial necrosis and monitoring individuals suspected of having acute coronary syndrome (ACS) include:
Troponins
Troponins, particularly cardiac troponins I and T, are the most precise and sensitive markers of myocardial injury. They are detectable within 4-6 hours of myocardial injury and remain...
334

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Sepsis Diagnostic Excellence and its Association with Mortality in Adults with Potential Infection.

Clinical infectious diseases : an official publication of the Infectious Diseases Society of America·2026
Same author

Efficacy of Acoramidis in Transthyretin Amyloid Cardiomyopathy With and Without Atrial Fibrillation: Results From ATTRibute-CM.

Journal of cardiac failure·2026
Same author

Noninvasive Monitoring of Complement Using the Bioluminescent Modified Ham Assay in the Second Porcine-to-Human Live Heart Transplant.

Xenotransplantation·2026
Same author

Effect of Compression Surfaces on Cardiopulmonary Resuscitation Quality and Clinician Fatigue.

Prehospital emergency care·2026
Same author

A prospective cohort validation study of a multivariable algorithm ASAP for risk stratification of surveillance for hepatocellular carcinoma.

Annals of hepatology·2026
Same author

Sex differences in acute chest pain care in a multisite U.S. emergency department cohort.

The American journal of emergency medicine·2026
Same journal

Regarding strategies, feasibility of implementations and results of HIV screening in emergency departments.

The American journal of emergency medicine·2026
Same journal

Rocuronium dosing for rapid sequence intubation: A retrospective analysis in ED and ICU settings.

The American journal of emergency medicine·2026
Same journal

Clinical features of adults with undiagnosed acute leukemia in the emergency department: A descriptive study.

The American journal of emergency medicine·2026
Same journal

Occult intraperitoneal gynecological hemorrhage: An under-evaluated source of hemoperitoneum after blunt trauma.

The American journal of emergency medicine·2026
Same journal

Racket and paddle sports-related injuries treated in United States emergency departments, 2000-2023.

The American journal of emergency medicine·2026
Same journal

Prehospital epinephrine as a bridge to survival in traumatic cardiac arrest: A nationwide propensity score-matched analysis.

The American journal of emergency medicine·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Sep 10, 2025

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.3K

Diferenciar el infarto de miocardio tipo 1 y tipo 2 utilizando un algoritmo de aprendizaje automático y biomarcadores

Anna Snavely1, Laurel Jackson2, Christian John Hunter2

  • 1Department of Emergency Medicine, Wake Forest University School of Medicine, Winston-Salem, NC, USA; Department of Biostatistics and Data Science, Wake Forest University School of Medicine, Winston-Salem, NC, USA.

The American journal of emergency medicine
|August 20, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Un algoritmo de aprendizaje automático (MI3) combinado con NT-proBNP y Galectin-3 es prometedor para diferenciar los tipos de infarto de miocardio (MI). Este enfoque mejora la precisión del diagnóstico en situaciones de emergencia, ayudando al tratamiento oportuno y apropiado para los pacientes con infarto de miocardio.

Palabras clave:
Galectina-3 y sus derivadosAprendizaje automáticoInfarto del miocardioPeptido natriurético y sus derivadosLa troponina

Más Videos Relacionados

Murine Myocardial Infarction Model using Permanent Ligation of Left Anterior Descending Coronary Artery
08:38

Murine Myocardial Infarction Model using Permanent Ligation of Left Anterior Descending Coronary Artery

Published on: August 16, 2019

28.2K
Minimal Invasive Surgical Procedure of Inducing Myocardial Infarction in Mice
09:05

Minimal Invasive Surgical Procedure of Inducing Myocardial Infarction in Mice

Published on: May 4, 2015

28.0K

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.3K
Murine Myocardial Infarction Model using Permanent Ligation of Left Anterior Descending Coronary Artery
08:38

Murine Myocardial Infarction Model using Permanent Ligation of Left Anterior Descending Coronary Artery

Published on: August 16, 2019

28.2K
Minimal Invasive Surgical Procedure of Inducing Myocardial Infarction in Mice
09:05

Minimal Invasive Surgical Procedure of Inducing Myocardial Infarction in Mice

Published on: May 4, 2015

28.0K

Área de la Ciencia:

  • Cardiología
  • Los biomarcadores
  • Aprendizaje automático en medicina

Sus antecedentes:

  • Diferenciar los tipos de infarto de miocardio (IM) es crucial para el tratamiento, pero es un desafío en los departamentos de emergencia.
  • Los métodos de diagnóstico existentes pueden no siempre proporcionar distinciones claras entre los tipos de MI.
  • Se necesitan nuevos enfoques para mejorar la precisión de la clasificación del tipo de IM.

Objetivo del estudio:

  • Evaluar la eficacia de un algoritmo de aprendizaje automático (MI3) combinado con el péptido natriurético de tipo pro B N-Terminal (NT-proBNP) y la galectina-3 (Gal-3) en la diferenciación de los tipos de MI.
  • Evaluar el rendimiento diagnóstico del MI3 solo y en conjunto con estos biomarcadores.
  • Determinar si la combinación mejora la precisión de la clasificación por tipo de IM en comparación con los métodos existentes.

Principales métodos:

  • Análisis secundario de los datos del ensayo multisite CMR-IMPACT.
  • Inclusión de pacientes adultos con síntomas de síndrome coronario agudo y niveles indeterminados de troponina.
  • Evaluación de la incidencia y el tipo de infarto por parte de expertos.
  • Cálculo del área bajo la curva (AUC) para MI3 y MI3 con NT-proBNP/Gal-3 utilizando las curvas de características del operador del receptor (ROC).
  • Comparación de las AUC utilizando el método de DeLong.

Principales resultados:

  • El algoritmo MI3 utilizando la troponina cardíaca de alta sensibilidad inicial I (hs-cTnI) logró un AUC de 0,704 para la diferenciación del tipo de MI.
  • La combinación de MI3 con NT-proBNP y Gal-3 mejoró significativamente el AUC a 0,789 (p=0,0165).
  • En pacientes con hs-cTnIs en serie, el AUC para MI3 fue de 0,721, aumentando a 0,797 (p=0,09) con la adición de NT-proBNP y Gal-3.

Conclusiones:

  • La adición de NT-proBNP y Gal-3 al algoritmo de aprendizaje automático MI3 demuestra un potencial significativo para diferenciar el tipo 1 del tipo 2 de MI.
  • Este enfoque combinado ofrece una mayor precisión de diagnóstico para la clasificación del tipo de infarto de miocardio.
  • Una mayor validación puede conducir a una mejor toma de decisiones clínicas en el tratamiento del infarto agudo de miocardio.