Leptomeningeal collaterals are associated with modifiable metabolic risk factors
Notice bibliographique
Résumé
OBJECTIVE: We sought to identify potentially modifiable determinants associated with variability in leptomeningeal collateral status in patients with acute ischemic stroke. METHODS: Data are from the Keimyung Stroke Registry. Consecutive patients with M1 segment middle cerebral artery ± intracranial internal carotid artery occlusions on baseline computed tomographic angiography (CTA) from May 2004 to July 2009 were included. Baseline and follow-up imaging was analyzed blinded to all clinical information. Two raters assessed leptomeningeal collaterals on baseline CTA by consensus, using a previously validated regional leptomeningeal score (rLMC). RESULTS: Baseline characteristics (N = 206) were: mean age = 66.9 ± 11.6 years, median baseline National Institutes of Health Stroke Scale = 14 (interquartile range [IQR] = 11-20), and median time from stroke symptom onset to CTA = 166 minutes (IQR = 96-262). Poor collateral status at baseline (rLMC score = 0-10) was seen in 73 of 206 patients (35.4%). On univariate analyses, patients with poor collateral status at baseline were older; were hypertensive; had higher white blood cell count, blood glucose, D-dimer, and serum uric acid levels; and were more likely to have metabolic syndrome. Multivariate modeling identified metabolic syndrome (odds ratio [OR] = 3.22, 95% confidence interval [CI] = 1.69-6.15, p < 0.001), hyperuricemia (per 1mg/dl serum uric acid; OR = 1.35, 95% CI = 1.12-1.62, p < 0.01), and older age (per 10 years; OR = 1.34, 95% CI = 1.02-1.77, p = 0.03) as independent predictors of poor leptomeningeal collateral status at baseline. INTERPRETATION: Metabolic syndrome, hyperuricemia, and age are associated with poor leptomeningeal collateral status in patients with acute ischemic stroke.
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) | 0,001 | 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 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 ».