Predictors of poor outcomes in First-Event Ischemic Stroke as assessed by Magnetic Resonance Imaging
Notice bibliographique
Résumé
PURPOSE: Stroke is the third most common cause of mortality worldwide and is a major cause of permanent disability. The purposed of the study was to better understand the risk factors for poor outcomes following ischemic stroke requiring treatment. METHODS: Three hundred seventy patients with first-event ischemic stroke were enrolled. Good outcomes was defined as a using the Modified Rankin Scale (MRS) score ≤3 without any cardiovascular event, while poor outcomes were any of the following end points: MRS >3 at 3 months, recurrent stroke or death. Prognostic variables for poor outcomes were analyzed based on a stepwise logistic regression model. RESULTS: Seventy-eight patients had poor outcomes (21%, 78/370), assessed at a minimum of six-month follow-up. Higher mean National Institutes of Health Stroke Scale (NIHSS) scores at presentation, presence of early neurologic deterioration (END) and higher mean high-sensitivity C-reactive protein (hs-CRP) levels were associated with poor outcomes at discharge. Furthermore, both NIHSS at presentation and the presence of END were associated with poor outcomes, assessed at a minimum of six-month follow-up. CONCLUSION: A higher mean initial NIHSS score implies not only severe neurologic deficits but also an increased risk of poor outcomes. Since END following ischemic stroke is frequently associated with poor outcomes, more attention should be directed to providing adequate treatment to patients in the acute stage, especially for high risk 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».