Risk Assessment of Symptomatic Intracerebral Hemorrhage After Thrombolysis Using DWI-ASPECTS
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Pretreatment lesion size on diffusion-weighted imaging (DWI) is a risk factor for symptomatic intracerebral hemorrhage (sICH) associated with thrombolytic treatment. Here, we investigated whether the Alberta Stroke Programme Early CT Score (ASPECTS) applied to DWI images (DWI-ASPECTS) predicts sICH risk accurately. METHODS: In this retrospective multicenter study, prospectively collected data of 217 patients with anterior circulation stroke treated with intravenous or intraarterial thrombolysis within 6 hours after symptom onset were analyzed. Pretreatment DWI-ASPECTS scores were assessed by 2 independent investigators. For bleeding risk analysis, DWI-ASPECTS scores were either categorized into 0 to 7 (n=105) or 8 to 10 (n=112) or in 3 groups of similar sample size (DWI-ASPECTS 0 to 5 [n=69], 6 to 7 [n=70], and 8 to 10 [n=78]). RESULTS: DWI-ASPECTS scores correlated well with the DWI lesion volume (r=0.77, P<0.001, Spearman Rank test). Interobserver reliability for the assessment of DWI-ASPECTS was moderate (weighted kappa 0.441 [95% CI 0.373 to 0.509]). Twenty-three (10.6%) patients developed sICH. The sICH rate was significantly higher in patients with DWI-ASPECTS scores 0 to 7 (n=21, 15.1%) as compared to patients with DWI-ASPECTS scores 8 to 10 (n=2, 2.6%, P=0.004). sICH risk was 20.3%, 10%, and 2.6% in the 0 to 5, 6 to 7, and 8 to 10 DWI-ASPECTS groups, respectively. DWI-ASPECTS remained an independent prognostic factor for sICH after adjustment for clinical baseline variables (age, NIHSS, time to thrombolysis). CONCLUSIONS: DWI-ASPECTS predicts sICH risk after thrombolysis and may be helpful to contributing to quick sICH risk assessment before thrombolytic 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.
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 | 0,000 |
| 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 ».