MétaCan
Menu
Retour à la cohorte
Enregistrement W2784082603 · doi:10.1159/000485043

Computed Tomography Perfusion Derived Blood-Brain Barrier Permeability Does Not Yet Improve Prediction of Hemorrhagic Transformation

2018· article· en· W2784082603 sur OpenAlexaboutno aff
Alexander D. Horsch, Edwin Bennink, Tom van Seeters, L. Jaap Kappelle, Yolanda van der Graaf, Willem P.Th.M. Mali, Hugo W. A. M. de Jong, Birgitta K. Velthuis, Jan Willem Dankbaar

Notice bibliographique

RevueCerebrovascular Diseases · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesLeids Universitair Medisch CentrumSt. Antonius ZiekenhuisRadboud UniversiteitErasmus Medisch CentrumUniversiteit Leiden
Mots-clésMedicinePerfusion scanningUnivariate analysisLogistic regressionStroke (engine)PerfusionThrombolysisInternal medicineTissue plasminogen activatorBrain ischemiaCardiologyNuclear medicineMultivariate analysisIschemia

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Hemorrhagic transformation (HT) in acute ischemic stroke can occur as a result of reperfusion treatment. While withholding treatment may be warranted in patients with increased risk of HT, prediction of HT remains difficult. Nonlinear regression analysis can be used to estimate blood-brain barrier permeability (BBBP). The aim of this study was to identify a combination of clinical and imaging variables, including BBBP estimations, that can predict HT. MATERIALS AND METHODS: From the Dutch acute stroke study, 545 patients treated with intravenous recombinant tissue plasminogen activator and/or intra-arterial treatment were selected, with available admission extended computed tomography (CT) perfusion and follow-up imaging. Patient admission treatment characteristics and CT imaging parameters regarding occlusion site, stroke severity, and BBBP were recorded. HT was assessed on day 3 follow-up imaging. The association between potential predictors and HT was analyzed using univariate and multivariate logistic regression. To compare the added value of BBBP, areas under the curve (AUCs) were created from 2 models, with and without BBBP. RESULTS: HT occurred in 57 patients (10%). In univariate analysis, older age (OR 1.03, 95% CI 1.006-1.05), higher admission National Institutes of Health Stroke Scale (NIHSS; OR 1.13, 95% CI 1.08-1.18), higher clot burden (OR 1.28, 95% CI 1.16-1.41), poor collateral score (OR 3.49, 95% CI 1.85-6.58), larger Alberta Stroke Program Early CT Score cerebral blood volume deficit size (OR 1.26, 95% CI 1.14-1.38), and increased BBBP (OR 2.22, 95% CI 1.46-3.37) were associated with HT. In multivariate analysis with age and admission NIHSS, the addition of BBBP did not improve the AUC compared to both independent predictors alone (AUC 0.77, 95% CI 0.71-0.83). CONCLUSION: BBBP predicts HT but does not improve prediction with age and admission NIHSS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,853

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,215
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCerebrovascular DiseasesMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207