MétaCan
Menu
Retour à la cohorte
Enregistrement W1775660773 · doi:10.1159/000441088

The Prognostic Value of CT Angiography and CT Perfusion in Acute Ischemic Stroke

2015· article· en· W1775660773 sur OpenAlexaboutno aff
Tom van Seeters, Geert Jan Biessels, L. Jaap Kappelle, Irene C. van der Schaaf, Jan Willem Dankbaar, Alexander D. Horsch, J.M. Niesten, Merel J.A. Luitse, Charles B.L.M. Majoie, Jan Albert Vos, Wouter J. Schonewille, Marianne AA van Walderveen, Marieke J.H. Wermer, Luciën E. M. Duijm, Koos Keizer, Joost Bot, Marieke C. Visser, Aad van der Lugt, Diederik W.J. Dippel, F.O. Kesselring, Frederick J. A. Meijer, Geert J. Lycklama à Nijeholt, Jelis Boiten, Willem Jan van Rooij, Paul L.M. de Kort, Yvo B.W.E.M. Roos, Ewoud J. van Dijk, C.C. Pleiter, Willem P.Th.M. Mali, Yolanda van der Graaf, Birgitta K. Velthuis

Notice bibliographique

RevueCerebrovascular Diseases · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesFonds NutsOhra
Mots-clésMedicineModified Rankin ScaleStroke (engine)RadiologyAngiographyLogistic regressionPerfusion scanningOdds ratioComputed tomography angiographyStenosisInternal medicinePredictive value of testsArea under the curveProspective cohort studyOcclusionCardiologyPerfusionIschemiaIschemic stroke

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: CT angiography (CTA) and CT perfusion (CTP) are important diagnostic tools in acute ischemic stroke. We investigated the prognostic value of CTA and CTP for clinical outcome and determined whether they have additional prognostic value over patient characteristics and non-contrast CT (NCCT). METHODS: We included 1,374 patients with suspected acute ischemic stroke in the prospective multicenter Dutch acute stroke study. Sixty percent of the cohort was used for deriving the predictors and the remaining 40% for validating them. We calculated the predictive values of CTA and CTP predictors for poor clinical outcome (modified Rankin Scale score 3-6). Associations between CTA and CTP predictors and poor clinical outcome were assessed with odds ratios (OR). Multivariable logistic regression models were developed based on patient characteristics and NCCT predictors, and subsequently CTA and CTP predictors were added. The increase in area under the curve (AUC) value was determined to assess the additional prognostic value of CTA and CTP. Model validation was performed by assessing discrimination and calibration. RESULTS: Poor outcome occurred in 501 patients (36.5%). Each of the evaluated CTA measures strongly predicted outcome in univariable analyses: the positive predictive value (PPV) was 59% for Alberta Stroke Program Early CT Score (ASPECTS) ≤7 on CTA source images (OR 3.3; 95% CI 2.3-4.8), 63% for presence of a proximal intracranial occlusion (OR 5.1; 95% CI 3.7-7.1), 66% for poor leptomeningeal collaterals (OR 4.3; 95% CI 2.8-6.6), and 58% for a >70% carotid or vertebrobasilar stenosis/occlusion (OR 3.2; 95% CI 2.2-4.6). The same applied to the CTP measures, as the PPVs were 65% for ASPECTS ≤7 on cerebral blood volume maps (OR 5.1; 95% CI 3.7-7.2) and 53% for ASPECTS ≤7 on mean transit time maps (OR 3.9; 95% CI 2.9-5.3). The prognostic model based on patient characteristics and NCCT measures was highly predictive for poor clinical outcome (AUC 0.84; 95% CI 0.81-0.86). Adding CTA and CTP predictors to this model did not improve the predictive value (AUC 0.85; 95% CI 0.83-0.88). In the validation cohort, the AUC values were 0.78 (95% CI 0.73-0.82) and 0.79 (95% CI 0.75-0.83), respectively. Calibration of the models was satisfactory. CONCLUSIONS: In patients with suspected acute ischemic stroke, admission CTA and CTP parameters are strong predictors of poor outcome and can be used to predict long-term clinical outcome. In multivariable prediction models, however, their additional prognostic value over patient characteristics and NCCT is limited in an unselected stroke population.

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)0,003
score de la tête « metaresearch » (Gemma)0,024
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,234
Écart entre enseignants0,226 · 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

Citations85
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCerebrovascular DiseasesMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207