ASPECTS discrepancies between CT and MR imaging: analysis and implications for triage protocols in acute ischemic stroke
Notice bibliographique
Résumé
BACKGROUND: Optimal imaging triage for intervention for large vessel occlusions remains unclear. MR-based imaging provides ischemic core volumes at the cost of increased imaging time. CT Alberta Stroke Program Early CT Score (ASPECTS) estimates are faster, but may be less sensitive. OBJECTIVE: To assesses the rate at which MRI changed management in comparison with CT imaging alone. METHODS: Retrospective analysis of patients with acute ischemic stroke undergoing imaging triage for endovascular therapy was performed between 2008 and 2013. Univariate and multivariate analyses were performed. Multivariate logistic regression was used to evaluate the effect of time on disagreement in MRI and CT ASPECTS scores. RESULTS: A total of 241 patients underwent both diffusion-weighted imaging (DWI) and CT. Six patients with DWI ASPECTS ≥6 and CT ASPECTS <6 were omitted, leaving 235 patients. For 47 patients, disagreement between the two modalities resulted in different treatment recommendations. The estimated probability of disagreement was 20.0% (95% CI 15.4% to 25.6%). In a multivariate logistic regression, CT ASPECTS >7 (p=0.004) and admission National Institutes of Health Stroke Scale (NIHSS) score <16 (p=0.008) were simultaneously significant predictors of agreement in ASPECTS. The time between modalities was a marginally significant predictor (p=0.080). CONCLUSIONS: The study suggests that patients with NIHSS scores at admission of <16 and patients with CT ASPECTS >7 have a higher likelihood of agreement between CT and DWI based on an ASPECTS cut-off value of 6. Additional MRI for triage in patients with NIHSS at admission of >16, and ASPECTS of 6 or 7 may be more likely to change management. Unsurprisingly, patients with low CT ASPECTS had good correlation with MRI ASPECTS.
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 | 0,001 |
| Bibliométrie | 0,001 | 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 ».