MRI-Based Neuroanatomical Predictors of Dysphagia, Dysarthria, and Aphasia in Patients with First Acute Ischemic Stroke
Notice bibliographique
Résumé
BACKGROUND: Due to the high post-stroke frequency of dysphagia, dysarthria, and aphasia, we developed comprehensive neuroanatomical, clinical, and demographic models to predict their presence after acute ischemic stroke. METHODS: The sample included 160 randomly selected first-ever stroke patients with confirmed infarction on magnetic resonance imaging from 1 tertiary stroke center. We documented acute lesions within 12 neuroanatomical regions and their associated volumes. Further, we identified concomitant chronic brain disease, including atrophy, white matter hyperintensities, and covert strokes. We developed predictive models using logistic regression with odds ratios (OR) and their 95% confidence intervals (95% CI) including demographic, clinical, and acute and chronic neuroanatomical factors. RESULTS: Predictors of dysphagia included medullary (OR 6.2, 95% CI 1.5-25.8), insular (OR 4.8, 95% CI 2.0-11.8), and pontine (OR 3.6, 95% CI 1.2-10.1) lesions, followed by brain atrophy (OR 3.0, 95% CI 1.04-8.6), internal capsular lesions (OR 2.9, 95% CI 1.2-6.6), and increasing age (OR 1.4, 95% CI 1.1-1.8). Predictors of dysarthria included pontine (OR 7.8, 95% CI 2.7-22.9), insular (OR 4.5, 95% CI 1.8-11.4), and internal capsular (OR 3.6, 95% CI 1.6-7.9) lesions. Predictors of aphasia included left hemisphere insular (OR 34.4, 95% CI 4.2-283.4), thalamic (OR 6.2, 95% CI 1.6-24.4), and cortical middle cerebral artery (OR 4.7, 95% CI 1.5-14.2) lesions. CONCLUSION: Predicting outcomes following acute stroke is important for treatment decisions. Determining the risk of major post-stroke impairments requires consideration of factors beyond lesion localization. Accordingly, we demonstrated interactions between localized and global brain function for dysphagia and elucidated common lesion locations across 3 debilitating impairments. .
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 | 0,001 | 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 ».