MétaCan
Menu
← Retour à la cohorte
Enregistrement W2276051980 · doi:10.1161/str.44.suppl_1.a34

Abstract 34: Improvement In Etiological Identification In Tia And Minor Stroke Using The Causative Classification Of Stroke.

2013· article· en· W2276051980 sur OpenAlexaff
Jamsheed A. Desai, Ahmad R. Abuzinadah, Oje Imoukhuede, Jayesh Modi, Manya L. Bernbaum, Shelagh B. Coutts

Notice bibliographique

RevueStroke · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineEtiologyStroke (engine)Internal medicinePopulationProspective cohort studyMinor strokeAcute strokeSurgery

Résumé

récupéré en direct d'OpenAlex

Background: classification of Transient Ischemic attacks (TIA) and minor stroke is challenging, as there is no classification systems developed specifically for the TIA and minor stroke patient population. Hypothesis: We hypothesize that the newly developed Causative Classification System (CCS) and the Atherosclerosis Small Vessel Disease Cardiac Source Other Source (ASCO) classification would reduce the proportion of patients classified as cause undetermined compared with The Trial of ORG 10172 in Acute Stroke Treatment (TOAST) classification in a large prospectively evaluated TIA and Minor stroke population. Methods: Using published algorithms for TOAST, CCS, and ASCO, a single rater classified the etiology in patients presenting with a high-risk TIA (weakness or speech disturbance lasting ≥ 5minutes) or minor ischemic stroke (National Institute of Health Stroke Scale score ≤ 3) who underwent CT/CTA and subsequent MRI as part of the CATCH study. Results: 419 patients with TIA or Minor stroke were classified using TOAST, CCS, and ASCO. The proportion of patients with an undetermined etiology was 51.3% (215/419) with TOAST. This was significantly reduced by both CCS 36% (151/419, p< 0.001) and ASCO 41% (172/419, p< 0.001). CCS was also less likely to have an undetermined etiology as compared to ASCO (36% versus 41%, p = 0.024). When compared with TOAST, there was a 23.9% (95%CI:18.1- 29.7, P< 0.001) and 17.4% (10.1- 24.7, P< 0.001) reduction in the proportion of patients assigned to the undetermined group using CCS and ASCO respectively. The 8.5 % reduction in the undetermined group between CCS and ASCO was also statistically different P=0.031). Compared with ASCO1, CCS increased the assignment of patients to large artery disease (relative increase 7.4% {4.3-10.4}, P< 0.001) and Cardio-embolism/cardio-aortic categories (relative increase 8.1% {4.6-11.5}, P< 0.001). Conclusions: Both CCS and ASCO were superior to TOAST in assigning fewer patients to an undetermined etiology category. CCS was superior to ASCO at reducing the proportion of patients with undetermined etiology. This was largely driven by increased assignment in the large artery and Cardio-aorto embolic categories.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,038
Tête enseignante GPT0,299
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetAcute Ischemic Stroke Management→Travaux en français237 207→