Gray-Matter Volume Estimate Score: A Novel Semi-Automatic Method Measuring Early Ischemic Change on CT
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: We developed a novel method named Gray-matter Volume Estimate Score (GRAVES), measuring early ischemic changes on Computed Tomography (CT) semi-automatically by computer software. This study aimed to compare GRAVES and Alberta Stroke Program Early CT Score (ASPECTS) with regards to outcome prediction and inter-rater agreement. METHODS: This was a retrospective cohort study. Among consecutive patients with ischemic stroke in the anterior circulation who received intra-arterial therapy (IAT), those with a readable pretreatment CT were included. Two stroke neurologists independently measured both the GRAVES and ASPECTS. GRAVES was defined as the percentage of estimated hypodense lesion in the gray matter of the ipsilateral hemisphere. Spearman correlation analysis, receiver operating characteristic (ROC) comparison test, and intra-class correlation coefficient (ICC) comparison tests were performed between GRAVES and ASPECTS. RESULTS: Ninety-four subjects (age: 68.7±10.3; male: 54 [54.9%]) were enrolled. The mean GRAVES was 9.0±8.9 and the median ASPECTS was 8 (interquartile range, 6-9). Correlation between ASPECTS and GRAVES was good (Spearman's rank correlation coefficient, 0.642; P<0.001). ROC comparison analysis showed that the predictive value of GRAVES for favorable outcome was not significantly different from that of ASPECTS (area under curve, 0.765 vs. 0.717; P=0.308). ICC comparison analysis revealed that inter-rater agreement of GRAVES was significantly better than that of ASPECTS (0.978 vs. 0.895; P<0.001). CONCLUSIONS: GRAVES had a good correlation with ASPECTS. GRAVES was as good as ASPECTS in predicting a favorable clinical outcome, but was better than ASPECTS regarding inter-rater agreement. GRAVES may be used to predict the outcome of IAT.
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 | 0,001 | 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 | 0,001 |
| 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 ».