Abstract T P26: Combining Clinical and Imaging Data to Develop a Highly Predictive Model of Outcomes in the MR RESCUE Trial
Notice bibliographique
Résumé
Background: Identifying patient characteristics that predict outcomes in acute ischemic stroke may assist in triaging those who are candidates for endovascular therapies. We sought to identify predictors of outcome in the overall Mechanical Retrieval and Recanalization of Stroke Clots Using Embolectomy (MR RESCUE) cohort and compare results to the previously validated Totaled Health Risks in Vascular Events (THRIVE) score. Methods: MR RESCUE randomized 118 acute ischemic stroke patients with multimodal imaging to embolectomy or standard care within 8 hours of onset. For this analysis, we investigated 17 baseline variables (e.g. age, predicted core volume, time to enrollment) and 8 intermediate variables (e.g. hemorrhagic transformation, day 7 recanalization, final infarct volume) with the potential to impact outcomes (day 90 mRS). The baseline variables were analyzed employing bivariate and multivariate methods (random forest and logistic regression). Two models were developed, one including only significant baseline variables, and the second also incorporating significant intermediate variables. Results: A multivariate model (Table) employing only baseline covariates achieved an overall accuracy (C statistic) of 85% in predicting poor outcome (day 90 mRS 3-6) compared to 80.5% for the THRIVE score. A second model (Table) adding significant intermediate variables achieved 89% accuracy in predicting day 90 mRS. Conclusions: In the MR RESCUE trial, advanced imaging variables, including predicted core volume and site of vessel occlusion, contributed to a highly accurate multivariable model of outcome. In the development phase, this model achieved higher accuracy than the THRIVE score. Future studies are needed to validate this model in an independent cohort.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».