Multivariate Dynamic Prediction of Ischemic Infarction and Tissue Salvage as a Function of Time and Degree of Recanalization
Notice bibliographique
Résumé
Benefit of endovascular recanalization beyond established treatment time windows likely exists in select stroke patients. However, there is currently no imaging model that predicts infarction adjusting for elapsed time between the pathologic snapshot of admission imaging until endovascular recanalization. We trained and cross validated a multivariate generalized linear model (GLM) that uses computer tomography perfusion and clinical data to quantify patient-specific dynamic change of tissue infarction depending on degree and time of recanalization. Multicenter data of 161 patients with proximal anterior circulation occlusion undergoing endovascular therapy were included. Multivariate voxelwise infarct probability was calculated within the GLM. The effect of increasing time to treatment and degree of recanalization on voxelwise infarction was calculated in each patient. Tissue benefit of successful relative to unsuccessful recanalization was shown up to 15 hours after onset in individual patients and decreased nonlinearly with time. On average, the relative reduction of infarct volume at the treatment interval of 5 hours was 53% and this salvage effect decreased by 5% units per hour to <5% after 10 additional hours to treatment. Treatment time-adjusted multivariate prediction of infarction by perfusion and clinical status may identify patients who benefit from extended time to recanalization 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».