MétaCan
Menu
Retour à la cohorte
Enregistrement W2788800048 · doi:10.1161/str.48.suppl_1.wp42

Abstract WP42: Prediction of Blood-brain Barrier Disruption and Intracerebral Hemorrhagic Infarction Using Arterial Spin-labeling MRI

2017· article· en· W2788800048 sur OpenAlexaboutno aff
Takeya Niibo, Hajime Ohta, Shirou Miyata, Ichirou Ikushima, Kazuchika Yonenaga, Hideo Takeshima

Notice bibliographique

RevueStroke · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMRI in cancer diagnosis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLesionMagnetic resonance imagingStroke (engine)RevascularizationOcclusionRadiologyNuclear medicineInternal medicineMyocardial infarctionSurgery

Résumé

récupéré en direct d'OpenAlex

Background and Purpose: Arterial spin-labeling (ASL) MRI is sensitive for detecting hyperemic lesions (HLs) in patients with acute ischemic stroke (AIS). We evaluated whether HLs could predict blood-brain barrier (BBB) disruption and hemorrhagic transformation (HT) in AIS patients. Methods: In a retrospective study, ASL was performed within 6 hours of symptom onset before revascularization treatment in 25 patients with anterior circulation large vessel occlusion on baseline MR angiography. All patients underwent angiographic procedures intended for endovascular therapy and a noncontrast CT scan immediately after treatment. BBB disruption was defined as a hyperdense lesion present on the posttreatment CT scan. A subacute MRI or CT scan was performed during the subacute phase to assess HTs. The relationship between HLs and BBB disruption and HT was examined using the Alberta Stroke Program Early Computed Tomography Score (ASPECTS) locations in the symptomatic hemispheres. Results: A HL was defined as a region where CBF relative ≥1.4 (CBF relative =CBF HL /CBF contralateral ). HLs, BBB disruption and HT were found in 9, 15, and 15 patients, respectively. Compared with the patients without HLs, the patients with HLs had a higher incidence of both BBB disruption (100% versus 37.5%, P=0.003) and HT (100% versus 37.5%, P=0.003). Based on the ASPECTS locations, 21 regions of interests (ROIs) displayed HLs. Compared with the ROIs without HLs, the ROIs with HLs had a higher incidence of both BBB disruption (42.8% versus 3.9%, P<0.001) and HT (85.7% versus 7.8%, P<0.001). Conclusion: HLs detected on pretreatment ASL maps may enable the prediction and localization of subsequent BBB disruption and HT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,027
Tête enseignante GPT0,312
Écart entre enseignants0,285 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetMRI in cancer diagnosisTravaux en français237 207