Diffusion Tensor Imaging in Acute Ischemic Stroke: Usefulness of Fractional Anisotropy
Notice bibliographique
Résumé
Background: Progressing stroke (PS) variably develops from initially the same size and severity, and is most frequently observed in lacunar infarctions. We investigated fractional anisotrophy (FA), mean diffusivity (MD) and infarct volume by using diffusion tensor imaging during the acute phase of ischemic stroke to determine whether these parameters are useful in characterizing and predicting PS. Methods: In this study, 55 consecutive patients admitted within 24 hours of the onset of their first ischemic stroke were included. NIH stroke scale (NIHSS) and Canadian Neurological scale (CNS) were performed upon admission, twice a day, and at discharge. Modified Rankin scale and Barthel index were also evaluated. PS was defined as a 2-point drop in NIHSS and a 1-point drop in CNS from admission to day 3. A correlation analysis was performed between clinical scale scores and imaging parameters, and the distribution of those values was compared between the two groups with and without PS. Results: Significant correlations were observed between clinical scale scores and infarct volumes. The FA ratio in 14 patients with PS was lower than the patients without PS (p=0.004). Other characteristics including infarct volume and MD ratio were not different. The FA ratio remained as an independent predictor of PS (OR, 1.055; p=0.011). Conclusions: In acute ischemic stroke within the first 24 hours, only infarct volume was correlated with clinical status. However, patients with PS showed lower FA values, which accounts for rapid and severe vasogenic edema involving the disruption of the cell membrane and axonal fibers. Moreover, FA may be a predictor of PS. J Korean Neurol Assoc 24(3):221-230, 2006
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) | 0,000 | 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 ».