MétaCan
Menu
← Retour à la cohorte
Enregistrement W2620742319 · doi:10.1161/str.47.suppl_1.wp38

Abstract WP38: Lower Fluid Attenuated Inversion Recovery Magnetic Resonance Imaging Signal Intensity After Acute Ischemic Stroke is Associated With Better Discharge Outcomes in Thrombolysed Patients

2016· article· en· W2620742319 sur OpenAlexaff
Ona Wu, Khawja A Siddiqui, Jamary Oliveira‐Filho, G Boulouis, Mark J.R.J. Bouts, Priyadarshini Vader, W. Taylor Kimberly, William A. Copen, Pamela W. Schaefer, Lee H. Schwamm

Notice bibliographique

RevueStroke · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensKimberly-Clark (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineFluid-attenuated inversion recoveryMagnetic resonance imagingStroke (engine)ThrombolysisRetrospective cohort studyLesionLogistic regressionNuclear medicineRadiologyCardiologyInternal medicineSurgeryMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Background: Increases in FLAIR MRI signal intensity (SI) after acute ischemic stroke (AIS) have been proposed as “tissue clocks”, reflecting the degree of ischemic injury and potential for recovery in brain tissue. We hypothesize that lower SI increases will be a biomarker for less severe tissue injury and hence is potentially salvageable. To test this, we investigated patients who were treated with tPA to determine whether better outcomes were associated with lower FLAIR SI. Methods: Using our Get with the Guidelines database, we retrospectively analyzed AIS patients admitted between 2011 to 2013 who received full-dose tPA based on institutional protocols. Patients were included if they received a CT scan at our hospital before tPA therapy, and MRI performed < 1 h post CT included a usable FLAIR scan and evidence of stroke on acute DWI. SI ratio (SIR) was calculated on the FLAIR by selecting region of interests in hyperintense FLAIR areas that coincided with the acute DWI lesion and matching contralateral regions. Logistic regression analysis was performed using forward stepwise analysis to combine age, sex, admission NIHSS, SIR and onset-to-treatment (OTT) time to predict discharge outcome. Good outcome was defined as discharge to home or in-patient rehabilitation hospital. Results: There were 129 AIS patients who received tPA, and 57 met our imaging criteria. Patient characteristics were: mean±SD age 70±15 years, median [IQR] NIHSS 13 [7-18], OTT 2.1±1.1 h, time-to-MRI 2.1±1.0 h, 58% female and median SIR 1.13 [1.05-1.26]. On a univariate basis, only age (P<0.0001) and NIHSS (P=0.005) were significant predictors of outcome. However, multivariate analysis showed that combining age (P=0.019), NIHSS (P=0.022), and SIR (P=0.018) was able to predict good discharge outcome with 100% [95% CI 63-100%] specificity and 90% [77-96%] sensitivity. Using age and NIHSS alone, resulted in the same specificity but only 71% [56-83%] sensitivity. Discussion: Controlling for age and admission NIHSS, we found that lower FLAIR SIR was a significant predictor of discharge outcome while OTT was not. This suggests that “tissue clocks” may be more accurate than “time clocks” for predicting tissue outcome, and ultimately functional outcome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,245
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→