Predictors of Poor Outcome after Successful Mechanical Thrombectomy in Patients with Acute Anterior Circulation Stroke
Notice bibliographique
Résumé
Abstract Successful revascularization is one of the main predictors of a favorable clinical outcome after mechanical thrombectomy. However, even if mechanical thrombectomy is successful, some patients have a poor clinical outcome. This study aimed to investigate the clinical, imaging, and procedural factors that are predictive of poor clinical outcomes despite successful revascularization after mechanical thrombectomy in patients with acute anterior circulation stroke. The authors evaluated 69 consecutive patients (mean age, 74.6 years, 29 women) who presented with acute ischemic stroke due to internal cerebral artery or middle cerebral artery occlusions and who were successfully treated with mechanical thrombectomy between July 2014 and November 2016. A good outcome was defined as a modified Rankin Scale score of 0 to 2 at 3 months after treatment. The associations between the clinical, imaging, and procedural factors and poor outcome were evaluated using logistic regression analyses. Using multivariate analyses, the authors found that the preoperative National Institute of Health Stroke Scale (NIHSS) score (odds ratio [OR], 1.152; 95% confidence interval [CI], 1.004–1.325; p = 0.028), the diffusion-weighted imaging Alberta Stroke Program Early Computed Tomography Score (DWI-ASPECTS) (OR, 0.604; 95% CI, 0.412–0.882; p = 0.003), and a Thrombolysis in Cerebral Infarction (TICI) 2b classification (OR, 4.521; 95% CI, 1.140–17.885; p = 0.026) were independent predictors of poor outcome. Complete revascularization to reduce the infarct volume should be performed, especially in patients with a high DWI-ASPECTS, to increase the likelihood of a good 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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».