Pretreatment Diffusion- and Perfusion-MR Lesion Volumes Have a Crucial Influence on Clinical Response to Stroke Thrombolysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We hypothesized that pretreatment magnetic resonance imaging (MRI) diffusion-weighted imaging (DWI) and perfusion-weighted imaging (PWI) lesion volumes may have influenced clinical response to thrombolysis in the Echoplanar Imaging Thrombolytic Evaluation Trial (EPITHET). In 98 patients randomized to intravenous (IV) tissue plasminogen activator (tPA) or placebo 3 to 6 h after stroke onset, we examined increasing acute DWI and PWI lesion volumes (Tmax-with 2-sec delay increments), and increasing PWI/DWI mismatch ratios, on the odds of both excellent (modified Rankin Scale (mRS): 0 to 1) and poor (mRS: 5 to 6) clinical outcome. Patients with very large PWI lesions (most had internal carotid artery occlusion) had increased odds ratio (OR) of poor outcome with IV-tPA (58% versus 25% placebo; OR=4.13, P=0.032 for Tmax +2-sec volume >190 mL). Excellent outcome from tPA treatment was substantially increased in patients with DWI lesions <18 mL (77% versus 18% placebo, OR=15.0, P<0.001). Benefit from tPA was also seen with DWI lesions up to 25 mL (69% versus 29% placebo, OR=5.5, P=0.03), but not for DWI lesions >25 mL. In contrast, increasing mismatch ratios did not influence the odds of excellent outcome with tPA. Clinical responsiveness to IV-tPA, and stroke outcome, depends more on baseline DWI and PWI lesion volumes than the extent of perfusion-diffusion mismatch.
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 découle