First Automated Stroke Imaging Evaluation via Electronic Alberta Stroke Program Early CT Score in a Mobile Stroke Unit
Notice bibliographique
Résumé
BACKGROUND: Recently, a mobile stroke unit (MSU) was shown to facilitate acute stroke treatment directly at the emergency site. The neuroradiological expertise of the MSU is improved by its ability to detect early ischemic damage via automatic electronic (e) evaluation of CT scans using a novel software program that calculates the electronic Alberta Stroke Program Early CT Score (e-ASPECTS). METHODS: The feasibility of integrating e-ASPECTS into an ambulance was examined, and the clinical integration and utility of the software in 15 consecutive cases evaluated. RESULTS: Implementation of e-ASPECTS onto the MSU and into the prehospital stroke management was feasible. The values of e-ASPECTS matched with the results of conventional neuroradiologic analysis by the MSU team. The potential benefits of e-ASPECTS were illustrated by three cases. In case 1, excluding early infarct signs supported the decision to directly perform prehospital thrombolysis. In case 2, in which stroke was caused by large-vessel occlusion, the high e-ASPECTS value supported the decision to initiate intra-arterial treatment and triage the patient to a comprehensive stroke center. In case 3, the e-ASPECTS value was 10, indicating the absence of early infarct signs despite pre-existing cerebral microangiopathy and macroangiopathy, a finding indicating the program's robustness against artefacts. CONCLUSIONS: This study on the integration of e-ASPECTS into the prehospital stroke management via a MSU showed for the first time that such integration is feasible, and aids both decision regarding the treatment option and the triage regarding the most appropriate target hospital.
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) | 0,001 | 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) | 0,001 | 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 ».