MétaCan
Menu
Retour à la cohorte
Enregistrement W2113107835 · doi:10.1586/erc.09.105

Predicting recurrent stroke after minor stroke and transient ischemic attack

2009· review· en· W2113107835 sur OpenAlexaff
Philippe Couillard, Alexandre Y. Poppe, Shelagh B. Coutts

Notice bibliographique

RevueExpert Review of Cardiovascular Therapy · 2009
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensFoothills Medical CentreHôpital Notre-DameUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineMinor strokeStroke (engine)NeuroimagingEmergency departmentCardiologyIschemic strokeMagnetic resonance imagingAcute strokeInternal medicineEmergency medicineRadiologyIschemiaStenosis

Résumé

récupéré en direct d'OpenAlex

The risk of a subsequent stroke following an acute transient ischemic attack or minor stroke is high, with 90-day risk at approximately 10%. Identification of those patients at the highest risk for recurrent stroke following a transient ischemic attack or minor stroke may allow risk-specific management strategies to be implemented, such as hospital admission with expedited work-up for those at high risk and emergency room discharge for those at low risk. Predictors of recurrent stroke, including the ABCD2 score, brain imaging and the stroke mechanism, are reviewed in this article, with a focus on recent literature. An emphasis is placed on the importance of early imaging of the brain parenchyma (diffusion-weighted imaging) and vascular imaging to identify patients at high risk for recurrence. The need for identification of the cause of the initial event, allowing therapies to be tailored to the individual patient, is discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,332
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of Cardiovascular TherapyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207