MétaCan
Menu
← Retour à la cohorte
Enregistrement W1488291359 · doi:10.1161/str.46.suppl_1.tp41

Abstract T P41: Combining Conventional MRI-DWI With Advanced Quantitative T2 Imaging For Characterizing Extent Of Infarction In Ischemic Stroke: The Heterogeneity Of The Evolving Ischemic Lesion

2015· article· en· W1488291359 sur OpenAlexaff
Anurag Trivedi, Robert K. Kosior, Ajay Mahajan, Christopher D. d’Esterre, M. Louis Lauzon, Richard Frayne, Philip A. Barber

Notice bibliographique

RevueStroke · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineFluid-attenuated inversion recoveryStroke (engine)IschemiaLesionContext (archaeology)Ischemic strokeNeurovascular bundleRadiologyInfarctionMagnetic resonance imagingDiffusion MRINuclear medicineInternal medicinePathologyMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Background: Cerebral ischemia causes cellular injury, involving not only neurons, but also cells of the neurovascular unit. DWI provides sensitive detection of cytotoxic injury during the early stages of stroke onset; however, measurement of free-water with quantitative T2 (qT2) is generally overlooked, and may provide important additional information about tissue properties not appreciated with DWI and ADC alone. Therefore, better characterization of the ischemic injury is required, particularly in the context of future stroke clinical trials. Methods: 21 ischemic stroke patients were imaged within 6 hours of symptom onset and at 24 hours on a 3T MRI. qT2 mapping was performed using a CPMG sequence. DWI was also performed to provide ADC maps. Volumetric analysis was performed on DWI, FLAIR images, ADC and T2 maps using a combined manual and threshold-based approach. Results: Ischemic lesions were identified in 18/21 (86%) patients. tPA and/or endovascular treatment was administered in 83% of these patients (recanalization confirmed in 73%). Lesions were detectable at baseline in 16 (89%) of ADC maps, 17 (94%) of qT2 maps and 11 (61%) of FLAIR images; ADC lesions grew by a median of 112% while qT2 lesions grew by 54%. The median ADC/qT2 lesion overlap grew by 16%. qT2 lesions were larger than ADC in 72% of patients at baseline, and 67% of patients at 24 hrs. Conclusions: By combining conventional DWI and advanced qT2 imaging, we are able to better characterize the heterogeneity of infarct evolution. qT2 depicts a lesion size that is often larger than depicted by ADC, which may be important for defining lesion extent. DWI and qT2 are complementary sequences that are necessary in understanding stroke injury; reliance on one parameter alone would underestimate lesion extent.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,340
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→