Troponina T cardiaca de alta sensibilidad (hs-cTnT) Algoritmo 0 horas/1 horas
El algoritmo de 0 horas/1 hora de la troponina T cardiaca de alta sensibilidad (hs-cTnT) utiliza la concentración sanguínea de hs-cTnT en el momento de la presentación y su cambio absoluto en 1 hora para estratificar a los pacientes con sospecha de infarto agudo de miocardio.

La calculadora está pensada para ser utilizada en pacientes de 18 años o más que acuden al servicio de urgencias con dolor torácico.
Autores de la investigación: Reichlin T, Schindler C, Drexler B, Twerenbold R, Reiter M, Zellweger C, Moehring B, Ziller R, Hoeller R, Gimenez MR, Haaf P, Potocki M, Wildi K, Balmelli C, Freese M, Stelzig C, Freidank H, Osswald S, and Mueller C.
Versión: 1.44
  • Público
  • Cardiología
  • {{ modelType }}
V-1.44-2426.24.05.31
(01)08719327522776(8012)v1.44(4326)240531(240)2426
Descargar el Manual del usuario para modelos de predicción de productos sanitarios y consultar el Uso previsto.

{{section.title}}

Calcular el resultado

Establezca más parámetros para realizar el cálculo

Cambio absoluto de hs-cTnT: ng/L en la primera hora

{{ resultSubheader }}
{{ chart.title }}
Intervalo de resultados {{ additionalResult.min }} a {{ additionalResult.max }}

Información condicional


Desempeño del modelo:
Se notificó que el algoritmo de troponina T cardiaca de alta sensibilidad (hs-cTnT) de 0 horas/1 hora alcanza un valor predictivo negativo muy alto para el infarto agudo de miocardio en la zona de descarte, alcanza un valor predictivo positivo alto en la zona de descarte y es muy eficaz al clasificar aproximadamente al 75 % de los pacientes que acuden al SU con sospecha de infarto agudo de miocardio en las clasificaciones de descarte o descarte.1,2

En 2016, el algoritmo fue validado adicionalmente por Mueller et al. en una cohorte externa multicéntrica de 1.282 pacientes con una tasa de infarto agudo de miocardio del 17%.3 El uso de pruebas de hs-cTn en el momento de la presentación y 1 hora más tarde en clasificó al 63% de los pacientes como sin infarto agudo de miocardio, con un VPN del 99,1% (IC del 95%: 98,2% a 99,7%); al 14% como con infarto agudo de miocardio, con un VPP del 77% (IC del 95%: 70,4% a 83,0%); y al 22,5% como con una clasificación indeterminada tras 1 hora de pruebas.

Referencias relacionadas:

  1. Reichlin T, Schindler C, Drexler B, et al. One-hour rule-out and rule-in ofacute myocardial infarction using high-sensitivity cardiac troponin T. Arch Intern Med. 2012;172:1211-1218.
     
  2. Reichlin T, Twerenbold R, Wildi K, et al. Validación prospectiva de un algoritmo de 1 hora para descartar y descartar un infarto agudo de miocardio mediante un ensayo de troponina T cardiaca de alta sensibilidad. CMAJ. 2015;187:E243-252.
     
  3. Mueller C, Giannitsis E, Christ M, et al. Multicenter Evaluation of a 0-Hour/1-Hour Algorithm in the Diagnosis of Myocardial Infarction With High-Sensitivity Cardiac Troponin T. Ann Emerg Med. 2016;68(1):76-87.e4.

{{ file.classification }}
PRO
Nota
Las notas sólo son visibles en la descarga de resultados y no serán guardadas por Evidencio

Los cálculos por sí solos nunca deben dictar la atención al paciente, y no sustituyen al criterio profesional. Consulte nuestra disclaimer.

Modelos subyacentes Parte de
logo

Inicia sesión para activar las funciones de impresión de Evidencio

Para poder utilizar las funciones de impresión de Evidencio, debe estar conectado.
Si no tiene una cuenta de la Comunidad Evidencio puede crear su cuenta personal gratuita en:

https://www.evidencio.com/registration

Resultados impresos - Ejemplos {{ new Date().toLocaleString() }}

Beneficios de la Cuenta Comunitaria Evidencio

With an Evidencio Community account you can:

  • Create and publish your own prediction models.
  • Share your prediction models with your colleagues, research group, organization or the world.
  • Review and provide feedback on models that have been shared with you.
  • Validate your models and validate models from other users.
  • Find models based on Title, Keyword, Author, Institute, or MeSH classification.
  • Use and save prediction models and their data.
  • Use patient specific protocols and guidelines based on sequential models and decision trees.
  • Stay up-to-date with new models in your field as they are published.
  • Create your own lists of favorite models and topics.

A personal Evidencio account is free, with no strings attached!
Join us and help create clarity, transparency, and efficiency in the creation, validation, and use of medical prediction models.

Descargo de responsabilidad: Los cálculos por sí solos nunca deben dictar la atención al paciente, y no sustituyen al juicio profesional.
Terms & Conditions | Privacy Policy | Disclaimer | Contact | Refuse cookies |
Evidencio v3.28 © 2015 - 2024 Evidencio. All Rights Reserved