Algoritmo della troponina T cardiaca ad alta sensibilità (hs-cTnT) 0 ore/1 ora
L'algoritmo della troponina T cardiaca ad alta sensibilità (hs-cTnT) 0 ore/1 ora utilizza la concentrazione ematica di hs-cTnT al momento della presentazione e la sua variazione assoluta a 1 ora per stratificare i pazienti con sospetto infarto miocardico acuto.

Il calcolatore deve essere utilizzato per i pazienti che si presentano al Dipartimento di Emergenza con dolore toracico di età pari o superiore a 18 anni.
Autori della ricerca: 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.
Versione: 1.44
  • Pubblico
  • Cardiologia
  • {{ modelType }}
V-1.44-2426.24.05.31
(01)08719327522776(8012)v1.44(4326)240531(240)2426
Scarica il Manuale d'uso e consultare il Uso previsto.

{{section.title}}

Calcolare il risultato

Impostare altri parametri per eseguire il calcolo

Variazione assoluta di hs-cTnT: ng/L entro la prima ora

{{ resultSubheader }}
{{ chart.title }}
Intervallo di risultati {{ additionalResult.min }} a {{ additionalResult.max }}

Informazioni condizionali


Prestazioni del modello:
L'algoritmo della troponina cardiaca T ad alta sensibilità (hs-cTnT) 0 ore/1 ore è stato segnalato per raggiungere un valore predittivo negativo molto elevato per l'infarto miocardico acuto nella zona di esclusione, per raggiungere un valore predittivo positivo elevato nella zona di esclusione, e per essere molto efficace nel triaggio di circa il 75% dei pazienti che si presentano con sospetto infarto miocardico acuto all'ED per le classificazioni di esclusione o di esclusione.1,2
Nel 2016, l'algoritmo è stato ulteriormente validato da Mueller et al. in una coorte multicentrica esterna di 1.282 pazienti con un tasso di infarto miocardico acuto del 17%.3 L'uso del dosaggio delle hs-cTn alla presentazione e 1 ora dopo ha classificato il 63% dei pazienti come non affetti da infarto miocardico acuto, con un NPV del 99,1% (95% CI 98,2% - 99,7%); il 14% come affetti da infarto miocardico acuto, con un PPV del 77% (95% CI 70,4% - 83,0%); e il 22,5% come affetti da una classificazione indeterminata dopo 1 ora di test.

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. Convalida prospettica di un algoritmo di 1 ora per escludere ed escludere l'infarto miocardico acuto utilizzando un test della troponina T cardiaca ad alta sensibilità. 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
Le note sono visibili solo nel download dei risultati e non vengono salvate da Evidencio.

I calcoli da soli non devono mai imporre la cura del paziente e non sostituiscono il giudizio professionale. Vedi la nostra scheda completa disclaimer.

Modelli sottostanti Parte di
logo

Effettuare l'accesso per abilitare le funzionalità di stampa di Evidencio

Per utilizzare le funzioni di stampa di Evidencio, è necessario aver effettuato il login.
Se non si dispone di un account comunitario Evidencio, è possibile creare un account personale gratuito all'indirizzo:

https://www.evidencio.com/registration

Risultati stampati - Esempi {{ new Date().toLocaleString() }}

Vantaggi del conto comunitario 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.

Esclusione di responsabilità: i calcoli da soli non dovrebbero mai dettare la cura del paziente e non sostituiscono il giudizio professionale.
Termini e condizioni | Informativa sulla privacy | Disclaimer | Contatto | Rifiuta i cookie |
Evidencio v3.29 © 2015 - 2024 Evidencio. Tutti i diritti riservati