Abstract WP141: Identifying Modifiable Predictors of Long-term Functional Outcome After Stroke
Notice bibliographique
Résumé
Introduction: Disability is often an assumed and accepted consequence of stroke. Post-stroke disability is frequently attributed to demographic risk factors such as age and stroke severity. These factors cannot explain all the variability in stroke outcomes. Other factors, such as post-stroke depression, sleep apnea and cognitive impairment can impact function, and yet their relationships to long-term outcomes are rarely assessed. The primary purpose of our research is to understand the role of these potentially modifiable factors in predicting long-term post-stroke functional outcomes. Hypothesis: Stroke patients who screen positive for depression, sleep apnea or cognitive impairment at baseline will have significantly worse long-term functional outcome. Methods: A follow up outcome assessment of stroke patients is being conducted by telephone 2-3 years after an initial baseline visit where their risk of depression, sleep apnea and cognitive impairment was assessed. Baseline predictors such as age and stroke severity are also abstracted from their baseline visit. Assessment measures were selected to evaluate numerous levels of human functioning and include the following: modified Rankin Scale, MoCA, Barthel Index, Frenchay Activites Index and Reintegration to Normal Living Index. The primary outcome is mRS Score, with a score ≥ 2 indicating poor outcome. Results: Seventy six patients have been enrolled in our study and projected enrolled of another 100 patients should be complete by December 2015. Based on preliminary data, our prognostic logistic regression model including only stroke severity and age is statistically significant, χ2(2)= 29.06, p < 0.001. This model explains 42.7% (Nagelkerke R2) of the variance in long-term outcomes and correctly classifies outcome in 78.9% of patients. Future analyses with the full sample size and addition of potentially modifiable factors will verify whether these factors increase the predictive value of our prognostic model. Conclusion: By identifying modifiable factors related to poor functional outcomes, this study may allow the development of novel interventions to alter the trajectory of this vulnerable population to help optimize long-term function after stroke.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».