Recovery after Ischemic Stroke: Criteria for Good Outcome by Level of Disability at Day 7
Notice bibliographique
Résumé
BACKGROUND: Ischemic stroke is a leading cause of morbidity. Assessing the chances of recovery is critical to optimize poststroke care. METHODS: We used a cohort of patients from the Virtual International Stroke Trial Archive that participated in acute stroke trials (control arm) and were followed for 90 days. The cohort was grouped by day 7 (D7) modified Rankin scale (mRS) scores. Variables that were associated with good outcome (mRS 0-2 at 90 days) in the univariate analysis were entered into a logistic regression model to determine the independent good outcome criteria for each D7 mRS tier. RESULTS: We analyzed 1,798 patients. The independent good outcome criteria identified for different mRS tiers were: D7 mRS of 3: age < or =70, 0-2 vascular risk factors, D7 NIH Stroke Scale (NIHSS) arm strength < or =1, D7 NIHSS language score = 0; D7 mRS of 4: age < or =70, male, D7 NIHSS facial palsy < or =1, D7 NIHSS visual = 0, D7 NIHSS leg strength < or =1, D7 NIHSS dysarthria = 0; D7 mRS of 5: age < or =70, IV tPA treatment, D7 NIHSS dysarthria = 0, D7 NIHSS leg strength < or =2. For each mRS tier, we observed a graded increase in the percentage of the primary and secondary end points with increase in the number of criteria. CONCLUSIONS: We identified clinical variables that predict good outcome, are specific to each day 7 mRS tier, and enable easy and informative assessment of the patient's likelihood of achieving varying degrees of recovery at day 90. These results may be useful in both clinical practice and research but require validation in an independent patient 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».