High-sensitivity cardiac troponin T (hs-cTnT) 0-hour/1-hour algorithm
The high-sensitivity cardiac troponin T (hs-cTnT) 0-hour/1-hour algorithm uses hs-cTnT blood concentration at presentation and its absolute 1h change to stratify patients suspected of acute myocardial infarction.

The Calculator is intended to be used for patients presenting to the Emergency Department with Chest Pain aged 18 years or older.
Συγγραφείς έρευνας: 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.
Έκδοση: 1.44
  • Δημόσιο
  • Καρδιολογία
  • {{ modelType }}
V-1.44-2426.24.05.31
(01)08719327522776(8012)v1.44(4326)240531(240)2426
Κατεβάστε το Εγχειρίδιο χρήσης και συμβουλευτείτε το Προβλεπόμενη χρήση.

{{section.title}}

Υπολογίστε το αποτέλεσμα

Ορίστε περισσότερες παραμέτρους για την εκτέλεση του υπολογισμού

Absolute change of hs-cTnT: ng/L within the first hour

{{ resultSubheader }}
{{ chart.title }}
Διάστημα αποτελεσμάτων {{ additionalResult.min }} στο {{ additionalResult.max }}

Πληροφορίες υπό όρους


Model performance:
The high-sensitivity cardiac troponin T(hs-cTnT) 0-hour/1-hour algorithm was reported to achieve a very high negative predictive value for acute myocardial infarction in the rule-out zone, to achieve a high positive predictive value in the rule-in zone, and to be very effective by triaging approximately 75% of patients presenting with suspected acute myocardial infarction to the ED to either rule-out or rule-in classifications.1,2

In 2016, the algorithm was further validated by Mueller et al. in an external mulicenter cohort of 1,282 patients with a 17% rate of acute myocardial infarction.3 Use of hs-cTn assays at presentation and 1 hour later in classified 63% of patients as having no acute myocardial infarction, with a 99.1% NPV (95% CI 98.2% to 99.7%); 14% as having acute myocardial infarction, with a PPV of 77% (95% CI 70.4% to 83.0%); and 22.5% as having an indeterminate classification after 1 hour of testing.

Related references:

  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. Prospective validation of a 1-hour algorithm to rule-out and rule-in acute myocardial infarction usinga high-sensitivity cardiac troponin T assay. 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
Σημείωση
Οι σημειώσεις είναι ορατές μόνο στη λήψη των αποτελεσμάτων και δεν θα αποθηκευτούν από το Evidencio

Οι υπολογισμοί από μόνοι τους δεν πρέπει ποτέ να υπαγορεύουν τη φροντίδα των ασθενών και δεν υποκαθιστούν την επαγγελματική κρίση. Δείτε το πλήρες disclaimer.

Υποκείμενα μοντέλα Μέρος της
logo

Συνδεθείτε για να ενεργοποιήσετε τις λειτουργίες εκτύπωσης του Evidencio

Για να χρησιμοποιήσετε τις λειτουργίες εκτύπωσης του Evidencio, πρέπει να συνδεθείτε.
Αν δεν έχετε λογαριασμό στην κοινότητα Evidencio, μπορείτε να δημιουργήσετε δωρεάν τον προσωπικό σας λογαριασμό στη διεύθυνση:

https://www.evidencio.com/registration

Εκτυπωμένα αποτελέσματα - Παραδείγματα {{ new Date().toLocaleString() }}

Οφέλη του κοινοτικού λογαριασμού 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.

Αποποίηση ευθύνης: Οι υπολογισμοί από μόνοι τους δεν πρέπει ποτέ να υπαγορεύουν τη φροντίδα των ασθενών και δεν υποκαθιστούν την επαγγελματική κρίση.
Terms & Conditions | Privacy Policy | Disclaimer | Contact | Refuse cookies |
Evidencio v3.29 © 2015 - 2024 Evidencio. All Rights Reserved