In‐hospital stroke: a multi‐centre prospective registry
Notice bibliographique
Résumé
BACKGROUND: in-hospital strokes (IHS) are relatively frequent. Avoidable delays in neurological assessment have been demonstrated. We study the clinical characteristics, neurological care and mortality of IHS. METHODS: multi-centre 1-year prospective study of IHS in 13 hospitals. Demographic and clinical characteristics, admission diagnosis, quality of care, thrombolytic therapy and mortality were recorded. RESULTS: we included 273 IHS patients [156 men; 210 ischaemic strokes (IS), 37 transient ischaemic attacks (TIA) and 26 cerebral haemorrhages]. Mean age was 72 ± 12 years. Cardiac sources of embolism were present in 138 (50.5%), withdrawal of antithrombotic drugs in 77 (28%) and active cancers in 35 (12.8%). Cardioembolic stroke was the most common subtype of IS (50%). Reasons for admission were programmed or urgent surgery in 70 (25%), cardiac diseases in 50 (18%), TIA or stroke in 30 (11%) and other medical illnesses in 71 (26%). Fifty-two per cent of patients were evaluated by a neurologist within 3 h of stroke onset. Thirty-three patients received treatment with tPA (15.7%). Thirty-one patients (14.7%) could not be treated because of a delay in contacting the neurologist. During hospitalization, 50 patients (18.4%) died, 41 of them because of the stroke or its complications. CONCLUSIONS: cardioembolic IS was the most frequent subtype of stroke. Cardiac sources of embolism, active cancers and withdrawal of antithrombotic drugs constituted special risk factors for IHS. A significant proportion of patients were treated with thrombolysis. However, delays in contacting the neurologist excluded a similar proportion of patients from treatment. IHS mortality was high, mostly because of stroke.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».