MétaCan
Menu
← Retour à la cohorte
Enregistrement W2286432130 · doi:10.1161/str.43.suppl_1.a70

Abstract 70: Predicting Recurrent Stroke After TIA And Minor Stroke: Results Of The Prospective CT And MRI In The Triage Of TIA And Minor Cerebrovascular Events To Identify High Risk Patients (CATCH) Study.

2012· article· en· W2286432130 sur OpenAlexaff
Shelagh B. Coutts, Jayesh Modi, Shiel K. Patel, Andrew M. Demchuk, Mayank Goyal, Michael D. Hill

Notice bibliographique

RevueStroke · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebrovascular and Carotid Artery Diseases
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Minor strokeStenosisMagnetic resonance imagingNeuroradiologyProspective cohort studyAtrial fibrillationCardiologyTriageUnivariate analysisInternal medicineRadiologyNeurologyMultivariate analysisEmergency medicine

Résumé

récupéré en direct d'OpenAlex

Background. TIA and minor stroke have a substantial risk of recurrent stroke, particularly within the first 48 hours. There is therefore a need to identify the highest risk patients urgently to implement early treatments. Imaging using MRI can identify patients at high risk for a recurrent stroke. However MRI is not available emergently in many institutions. If CT/CTA could identify high-risk patients then this would be more widely applicable. Methods. 510 consecutive TIA and minor stroke patients who were assessed by a stroke neurologist and had a CT/CTA completed within 24 hours of onset were prospectively enrolled. 420 had baseline brain MRI completed also. We used multiple imputation based on a previous meta-analysis of predictors of DWI positivity (motor or speech symptoms, atrial fibrillation, symptomatic carotid stenosis >=50% and symptom duration greater than 60 minutes) to impute MRI results for patients without baseline MRI. We assessed the risk of recurrent stroke within 90 days using standard clinical variables and predefined abnormalities on the CT/CTA at risk metric (acute ischemia on CT and/or intracranial or extracranial occlusion or stenosis >=50%) and MRI (DWI positivity). Results. There were 36 recurrent strokes (7.1% 95%CI: 5.0-9.6). Median time to event was 1 day (IQR 7.5). Median time from symptom onset to CTA was 5.5 hours (IQR: 6.4 hours), median time to MRI was 17.5 hours (IQR: 12 hours). In the univariate analysis; symptoms ongoing at first assessment, HR 2.2 (95%CI: 1.02-4.9), CT/CTA at risk metric, HR 4·0 (95%CI: 2·0-8·5) and DWI positivity 3.2 (1.3-7.6) predicted recurrent stroke. In the multivariable analysis only CT/CTA at risk metric (OR 3.6 (1.7-7.5, p=0.001) and DWI positivity (OR 2.3 (0.9-5.8) predicted recurrent stroke. Diagnostic accuracy of CT/CTA in predicting recurrent stroke was: sensitivity 67%, specificity 68%, PPV 14%, NPV 96%. Diagnostic accuracy of MRI: sensitivity 83%, specificity 40%, PPV 10%, NPV 97%. Using ROC analysis CT/CTA and MRI were not significantly different in their accuracy in prediction of recurrent stroke (0.67 versus 0.61, p=0.18). Conclusions. Early assessment of the intracranial and extracranial vasculature using CT/CTA predicts recurrent stroke and clinical outcome in patients with TIA and minor stroke. There is a trade off between sensitivity and specificity when CTA and MRI are compared. In many institutions CTA is more quickly available than MRI and given a median time to event of one day, physicians should access whichever technique is available quicker in their institution to allow implementation of aggressive secondary prevention treatments in appropriate patients.

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)0,008
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,009
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,009
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,257
Écart entre enseignants0,249 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetCerebrovascular and Carotid Artery Diseases→Travaux en français237 207→