000099819 001__ 99819
000099819 005__ 20231023123343.0
000099819 0248_ $$2sideral$$a122937
000099819 037__ $$aART-2019-122937
000099819 041__ $$aspa
000099819 100__ $$0(orcid)0000-0002-9812-0064$$aSalvador-Casabón, Juan Manuel
000099819 245__ $$aErgoscore: propuesta de algoritmo diagnóstico de cardiopatía isquémica en la unidad de dolor torácico.
000099819 260__ $$c2019
000099819 5060_ $$aAccess copy available to the general public$$fUnrestricted
000099819 5203_ $$aLa valoración del dolor torácico en urgencias puede resultar compleja. Se plante un algoritmo diagnóstico que permite clasificar a los pacientes en grupos de alto y bajo riesgo de etiología coronaria para las unidades de dolor torácico.
Métodos: estudio observacional de cohortes histórica con seguimiento prospectivo de pacien- tes que acudieron a urgencias por dolor torácico sospechoso de etiología isquémica con electro- cardiograma y biomarcadores normales que se sometieron a una prueba de esfuerzo convencional. El seguimiento medio fue de 15 meses. Se consideró como patrón oro de etiología coronaria el cateterismo con lesiones significativas y como dato de negatividad el cateterismo sin lesiones y/o ausencia de recurrencia del dolor durante el seguimiento. Mediante regresión logística se obtuvieron las variables predictoras de origen coronario y se elaboró un algoritmo diagnóstico, basado en el Ergoscore (score realizado con los factores seleccionados) y en la prueba de esfuerzo. El poder discriminante del algoritmo se evalúo mediante área bajo la curva ROC (AUC).
Resultados: se analizaron 100 pacientes. El 17% presentó lesiones coronarias significativas. La ergometría presentó una precisión del 89%. Los factores seleccionados fueron el score de riesgo cardiovascular y la probabilidad pretest. El Ergoscore menor o igual a 3 y superior o igual a 7 presentó el mejor comportamiento respecto a los parámetros de validez. Los resultados del algoritmo fueron: sensibilidad=82,4%, especificidad 89,2%, precisión 88%. No hubo falsos negativos. El AUC fue de 0.915.
Conclusiones: el algoritmo presenta una adecuada precisión diagnóstica para detectar casos de origen coronario. Su aplicación evitaría realizar una prueba de esfuerzo a 32% de los pacientes
000099819 540__ $$9info:eu-repo/semantics/openAccess$$aby-nc-nd$$uhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
000099819 655_4 $$ainfo:eu-repo/semantics/article$$vinfo:eu-repo/semantics/publishedVersion
000099819 700__ $$aSerrano-Aísa, Pedro Javier$$uUniversidad de Zaragoza
000099819 700__ $$0(orcid)0000-0002-4606-4347$$aCantero-Lozano, Daniel$$uUniversidad de Zaragoza
000099819 700__ $$aAndrés-Sánchez, Arturo$$uUniversidad de Zaragoza
000099819 7102_ $$11007$$2610$$aUniversidad de Zaragoza$$bDpto. Medicina, Psiqu. y Derm.$$cArea Medicina
000099819 773__ $$g48, 2 (2019), 52-58$$pRev. Fed. Argent. Cardiol.$$tRevista de la Federación Argentina de Cardiología$$x0326-646X
000099819 8564_ $$s270042$$uhttps://zaguan.unizar.es/record/99819/files/texto_completo.pdf$$yVersión publicada
000099819 8564_ $$s2259183$$uhttps://zaguan.unizar.es/record/99819/files/texto_completo.jpg?subformat=icon$$xicon$$yVersión publicada
000099819 909CO $$ooai:zaguan.unizar.es:99819$$particulos$$pdriver
000099819 951__ $$a2023-10-23-12:21:27
000099819 980__ $$aARTICLE