Hooggevoelig cardiaal troponine T (hs-cTnT) 0-uur/1-uur algoritme
Het hooggevoelige cardiale troponine T (hs-cTnT) 0-uur/1-uur-algoritme maakt gebruik van de hs-cTnT-bloedconcentratie bij presentatie en de absolute verandering in 1 uur om patiënten die verdacht worden van een acuut myocardinfarct te stratificeren.

De Calculator is bedoeld voor gebruik bij patiënten die zich met pijn op de borst melden bij de Spoedeisende Hulp en die 18 jaar of ouder zijn.
Auteurs: 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.
Versie: 1.44
  • Publiek
  • Cardiologie
  • {{ modelType }}
V-1.44-2426.24.05.31
(01)08719327522776(8012)v1.44(4326)240531(240)2426
Download de Gebruikershandleiding voor voorspellingsmodellen voor medische hulpmiddelen en raadpleeg het Beoogd gebruik.

{{section.title}}

Bereken het resultaat

Vul meer parameters in om de berekening uit te voeren

Absolute verandering van hs-cTnT: ng/L binnen het eerste uur

{{ resultSubheader }}
{{ chart.title }}
Resultaat interval {{ additionalResult.min }} tot {{ additionalResult.max }}

Conditionele informatie


Modelprestaties:
Het hooggevoelige cardiale troponine T(hs-cTnT) 0-uur/1-uur-algoritme had een zeer hoge negatief voorspellende waarde voor acuut myocardinfarct in de regel-uit-zone, een hoge positief voorspellende waarde in de regel-in zone en was zeer effectief door ongeveer 75% van de patiënten die met een verdenking van acuut myocardinfarct naar de SEH kwamen te triageren naar een regel-uit- of regel-in classificatie.1,2

In 2016 werd het algoritme verder gevalideerd door Mueller et al. in een extern multicentercohort van 1.282 patiënten met een percentage van 17% acuut myocardinfarct.3 Het gebruik van hs-cTn-analyses bij presentatie en 1 uur later classificeerde 63% van de patiënten als patiënten zonder acuut myocardinfarct, met een NPV van 99,1% (95% CI 98,2% tot 99,7%); 14% had een acuut myocardinfarct, met een PPV van 77% (95% CI 70,4% tot 83,0%); en 22,5% had een onbepaalde classificatie na 1 uur testen.

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. Prospectieve validatie van een 1-uurs algoritme voor het uitsluiten en insluiten van acuut myocardinfarct met behulp van een hooggevoelige cardiale troponine T-test. 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
Notitie
Notities zijn alleen zichtbaar in de resultaat download en worden niet opgeslagen door Evidencio

Predictiemodellen dienen enkel ter ondersteuning en naslag geraadpleegd te worden en zijn geen vervanging voor medische besluitvorming door professionals. Bekijk onze disclaimer.

Onderliggende modellen Onderdeel van
logo

Log a.u.b. in om de Evidencio print-functies te gebruiken

Om de Evidencio print-functies te kunnen gebruiken dient u ingelogt te zijn.
Indien u nog geen Evidencio Community Account heeft kunt u eenvoudig een persoonlijk account aanmaken op:

https://www.evidencio.com/registration

Print rapport - Voorbeelden {{ new Date().toLocaleString() }}

Evidencio Community Account voordelen

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.

Disclaimer: Predictiemodellen dienen enkel ter ondersteuning en naslag geraadpleegd te worden en zijn geen vervanging voor medische besluitvorming door professionals.
Terms & Conditions | Privacy Policy | Disclaimer | Contact | Cookies weigeren |
Evidencio v3.28 © 2015 - 2024 Evidencio. Alle rechten voorbehouden