Differential Impact of Acute Lesions Versus White Matter Hyperintensities on Stroke Recovery
Notice bibliographique
Résumé
Background Understanding how the size of acute lesions and white matter hyperintensities ( WMH ) impact stroke recovery can improve our ability to predict outcomes and tailor treatments. The aim of this exploratory study was to investigate the role of acute lesion volume and WMH volume on longitudinal recovery of specific sensory, motor, and cognitive impairments after stroke using robotic and clinical measures. Methods and Results Eighty-two individuals were assessed at 1, 6, 12, and 26 weeks poststroke with robotic tasks and commonly used clinical measures. The volumes of acute lesions and WMH were measured on fluid-attenuated inversion recovery images. Linear mixed models were used to investigate the role of acute lesions and WMH on parameters derived from the robotic tasks and clinical measures. Regression analysis determined the added value of acute lesion and WMH volumes along with measures of initial performance to predict outcomes at 6 months. Acute lesion volume has widespread effects on sensory, motor, and overall functional recovery poststroke. The impact of WMH was specific to cognitive impairments. Apart from the robotic position sense task, neither lesion volume nor WMH measure had significant ability to predict outcomes at 6 months over using initial impairment as measured by robotic assessments alone. Conclusions While acute lesion volume and WMH may impact different impairments poststroke, their clinical utility in predicting outcomes at 6 months poststroke is limited.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».