The effect of different combinations of vascular, dependency and cognitive endpoints on the sample size required to detect a treatment effect in trials of treatments to improve outcome after lacunar and non-lacunar ischaemic stroke
Notice bibliographique
Résumé
Abstract Background Endpoints that are commonly used in trials of moderate/severe stroke may be less frequent in patients with minor, non-disabling stroke thus inflating sample sizes. We tested whether trial efficiency might be improved with composite endpoints. Methods We prospectively recruited patients with lacunar and minor non-lacunar ischaemic stroke (NIHSS ≤ 7) and assessed recurrent vascular events (stroke, transient ischaemic attack (TIA), ischemic heart disease (IHD)), modified Rankin Score (mRS) and cognitive testing with the Addenbrooke’s Cognitive Examination (ACE-R) one year post-stroke. For a potential secondary prevention randomised controlled trial (RCT), we estimated sample sizes using individual or combined outcomes, at power 80% (and 90%), alpha 5%, required to detect a relative 10% risk reduction. Results Amongst 264 patients (118 lacunar, 146 non-lacunar), at one year, 30/264 (11%) patients had a recurrent vascular event, 5 (2%) had died, 3 (1%) had clinically-diagnosed dementia, 53/264 (20%) had mRS ≥ 3 and 29/158 (19%) had ACE-R ≤ 82 (57 could not attend for cognitive testing). For a potential trial, at 80% power, using mRS ≥ 3 alone would require n > 5000 participants, recurrent vascular events alone n = 9908 participants, and a composite of any recurrent vascular event, ACE-R ≤ 82, dementia or mRS ≥ 2 (present in 56% of patients) n = 2224 patients. However, including cognition increased missing data. Results were similar for lacunar and non-lacunar minor ischaemic stroke. Conclusions Composite outcomes including vascular events, dependency, and cognition reduce sample size and increase efficiency, feasibility, and relevance to patients of RCTs in minor ischaemic stroke. Efficiency might be improved further with more practical cognitive test strategies.
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 | 0,406 | 0,507 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,013 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,010 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».