Peripheral Immune Cell Counts and Advanced Imaging as Biomarkers of Stroke Outcome
Notice bibliographique
Résumé
INTRODUCTION: Circulating neutrophil and lymphocyte levels may be modifiable outcome predictors of ischemic stroke. We sought to compare these immune cell parameters with advanced imaging assessment and the 90-day clinical outcome. METHODS: We used a retrospectively collected cohort of consecutive ischemic stroke patients presenting within 4.5 h of symptom onset who had acute CT perfusion and routine blood collection before treatment with intravenous thrombolysis and 24-hour MRI scanning at the John Hunter Hospital. Full blood counts were performed acutely at 24 h and 7 days. Patient outcomes were assed at 90 days after stroke with the modified Rankin Scale (mRS). RESULTS: Overall, 142 patients were assessed during the study period. Patients with a poor outcome (mRS 3-6) had increased neutrophils (44% increase, p = 0.016), decreased lymphocytes (7% decrease, p = 0.491) and an increased lymphocyte-to-neutrophil ratio (196% increase, p < 0.001). Patients with good outcomes (mRS 0-2) did not have significant changes in their full blood counts. There was no relationship between the neutrophil count at 24 h and penumbral volume (r2 = 0.217, p = 0.212), reperfusion (r2 = 0.111, p = 0.085), or core growth (r2 = 0.297, p = 0.107). A backward multivariate analysis containing the 24-hour core volume and 24-hour neutrophil count was strongly related to the 3-month outcome (r2 = 0.477, area under the curve = 0.902, p < 0.001). CONCLUSIONS: Peripheral neutrophils have potential as a biomarker of outcome when used in conjunction with advanced imaging. Peripherally measured neutrophil counts change significantly over time after stroke and may be potential targets for immunomodulatory therapy in patients with a severe stroke or a large infarct volume.
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) | 0,001 | 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 ».