The Correlation Between Age and Bleeding Volume in Haemorrhagic Stroke Using Multi Slice CT at District Hospitals in Jakarta
Notice bibliographique
Résumé
Haemorrhagic Stroke is a common disease in Indonesia. The best imaging modality for this disease is Multi Slice Computed Tomography Scanning (MSCT), as it may help strengthening the diagnosis as well as determining the brain bleeding volume. This study aimed to show correlation between bleeding volume of the brain and patient's age using cross-sectional approach. The 68 samples in this study were taken from secondary data from Head CT Scan of Haemorrhagic Stroke cases. Brain bleeding volume is the dependent variable, obtained through slice thickness of 5 mm and ABC/2 method with software measurement in MSCT Scan device. The independent variable of this study is the patient's age. The result of the study was the average brain's bleeding volume of 21.76 ml ± 2.48 ml (range of 1.04 ml to 94.73 ml).The slice thickness using ABC/2 method, has a significant correlation with brain's bleeding volume in MSCT Scan examination, with correlation coefficient value r of 0.79. Brain bleeding volume in patients who have ages lower than 50 years and more or equal to 50 years were (18.93 ± 3.26) ml and (23.53 ± 3.47) ml respectively. There is no correlation between age and brain's bleeding volume in haemorrhagic stroke cases, with p value of 0.18, r = 0.19.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».