SPARKLE (Subtypes of Ischaemic Stroke Classification System), Incorporating Measurement of Carotid Plaque Burden: A New Validated Tool for the Classification of Ischemic Stroke Subtypes
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
BACKGROUND: Previous classification systems of acute ischemic stroke (Causative Classification System, CCS, of acute ischemic stroke, Trial of Org 10172 in Acute Stroke Treatment, TOAST) established the diagnosis of large artery disease (LAD) based on the presence or absence of carotid stenosis. However, carotid plaque burden is a stronger predictor of cardiovascular risk than stenosis. Our objective was to update definitions of ischemic stroke subtypes to improve the detection of LAD and to assess the validity and reliability of a new classification system: SPARKLE (Subtypes of Ischaemic Stroke Classification System). METHODS: In a retrospective review of clinical research data, we compared three stroke subtype classifications: CCS, TOAST and SPARKLE. We analyzed a random sample of 275 patients presenting with minor stroke or transient ischemic attack (TIA) in an Urgent TIA Clinic in London, Ont., Canada, between 2002 and 2012. RESULTS: There was substantial overall agreement between SPARKLE and CCS (κ = 0.75), with significant differences in the rate of detection of LAD, cardioembolic and undetermined causes of stroke or TIA. The inter-rater reliability of SPARKLE was substantial (κ = 0.76) and the intra-rater reliability was excellent (κ = 0.91). CONCLUSION: SPARKLE is a valid and reliable classification system, providing advantages compared to CCS and TOAST. The incorporation of plaque burden into the classification of LAD increases the proportion of cases attributable to LAD and reduces the proportion classified as being of 'undetermined' etiology.
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 | 0,000 | 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) | 0,000 | 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