Large Deep White Matter Lesions May Predict Futile Recanalization in Endovascular Therapy for Acute Ischemic Stroke
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
OBJECTIVE: This study investigated whether large ischemic lesions in the deep white matter (DWM) on pretreatment diffusion-weighted MRI (DWI) predict futile recanalization. METHODS: Consecutive acute stroke patients with anterior circulation ischemia who underwent successful arterial recanalization with thrombolysis in cerebral infarction grade 2b or 3 were enrolled. A large DWI-DWM lesion was defined as a hyperintense lesion in the DWM on initial DWI, located mainly between the anterior and posterior horns of the lateral ventricle. The Alberta Stroke Program Early CT score on CT and DWI and stroke volume on initial DWI were recorded. Stroke severity was assessed using the National Institutes of Health Stroke Scale (NIHSS) score. Futile recanalization was defined as a 30-day modified Rankin scale score of 3-6 despite successful recanalization. Univariate and multivariate regression analyses were performed to identify predictors of futile recanalization. RESULTS: In 35 of 46 patients (76%) with successful recanalization, futile recanalization was observed in 20 patients (57%). Patients with futile recanalization were older (median age 74 vs. 58 years; p = 0.053), had higher initial NIHSS scores (median 17 vs. 9; p = 0.042), and a higher prevalence of large DWI-DWM lesions (45 vs. 9%; p = 0.022). Logistic regression analysis showed that a large DWI-DWM lesion was an independent predictor of futile recanalization (OR 13.97; 95% CI 1.32-147.73; p = 0.028). CONCLUSION: Patients with large preintervention DWI-DWM lesions may be poor candidates for endovascular therapy.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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