Pretreatment predictors of malignant evolution in patients with ischemic stroke undergoing mechanical thrombectomy
Notice bibliographique
Résumé
BACKGROUND: Few data exist on malignant middle cerebral artery infarction (MMI) among patients with acute ischemic stroke (AIS) after endovascular treatment (ET). Numerous predictors of MMI evolution have been proposed, but a comprehensive research of patients undergoing ET has never been performed. Our purpose was to find a practical model to determine robust predictors of MMI in patients undergoing ET. METHODS: Patients from a prospective single-center database with AIS secondary to large intracranial vessel occlusion of the anterior circulation, treated with ET, were retrospectively analyzed. We investigated demographic, clinical, and radiological data. Multivariate regression analysis was used to identify clinical and imaging predictors of MMI. RESULTS: 98 patients were included in the analysis, 35 of whom developed MMI (35.7%). No differences in the rate of successful reperfusion and time from stroke onset to reperfusion were found between the MMI and non-MMI groups. The following parameters were identified as independent predictors of MMI: systolic blood pressure (SBP) on admission (p=0.008), blood glucose (BG) on admission (p=0.024), and the CTangiography (CTA) Alberta Stroke Program Early CT Score (ASPECTS) (p=0.001). A scoreof ≤5 in CTA ASPECTS was the best cut-off to predict MMI evolution (sensitivity 46%; specificity 97%; positive predictive value 78%; negative predictive value 65%). CONCLUSIONS: in our study a clinical and radiological features-based model was strongly predictive of MMI evolution in AIS. High SBP and BG on admission and, especially, a CTA ASPECTS ≤5 may help to make decisions quickly, regardless of time to treatment and successful reperfusion.
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) | 0,001 | 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) | 0,000 | 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 ».