数字辛辛那提中风量表与中风严重性查工具,用于在医院前确定大血管阻塞

科学领域:

• 紧急医疗 紧急医疗
• 神经学 神经学
• 公共卫生 公共卫生

背景情况:

• 之前的研究表明,数值的辛辛那提前医院中风量表 (CPSS) 的大血管封闭 (LVO) 识别率与专业工具相比较.
• 这项研究解决了需要在现实世界的医院前环境中将CPSS与其他已建立的中风量表进行比较的需求.

研究的目的:

• 为了比较数值CPSS的诊断性能与辛辛那提中风选评估工具 (C-STAT),现场评估中风选紧急目的地 (FAST-ED) 和平衡眼睛面对手臂语音时间 (BE-FAST) 进行识别LVO.
• 通过使用大型国家紧急医疗服务 (EMS) 数据库与链接的医院数据来评估这些规模.

主要方法:

• 追溯分析了17442个从2022年起的医院前EMS记录,与医院数据相关联.
• 用CPSS,C-STAT,FAST-ED和BE-FAST进行LVO检测的比较,使用灵敏度,特异性和接收器操作曲线 (AUROC) 下的面积.
• 确定每个尺度LVO查的最佳预测切割点.

主要成果:

• 对于LVO预测,CPSS (得分≥2) 显示了76.9%的灵敏度,68.0%的特异性和0.787的AUROC.
• 其他尺度表现相似:C-STAT (62.5%/76.5%/0.727),FAST-ED (61.4%/76.1%/0.780),以及BE-FAST (70.4%/67.1%/0.739).其他尺度表现相似:C-STAT (62.5%/76.5%/0.727),FAST-ED (61.4%/76.1%/0.780),以及BE-FAST (70.4%/67.1%/0.739),这些尺度表现相似.
• 很大一部分中风患者 (30.3%) 患有LVO (21.6%的缺血性中风).

结论:

• 较不复杂的CPSS的性能与更复杂的LVO选工具相提并论.
• 电子气象系统的领导层应该考虑仪器的复杂性和易用性,以实现一致和准确的实施.
• CPSS提供了一个简单的,广泛采用的选项,可以提高合规性,同时保持LVO检测准确性.