MétaCan
Menu
← Retour à la cohorte
Enregistrement W2912983601 · doi:10.1161/str.50.suppl_1.tp308

Abstract TP308: Predictive model for Stroke Mimics during Code Stroke Evaluation

2019· article· en· W2912983601 sur OpenAlexaff
Mausaminben Hathidara, Joshua Santucci, James M. Dupree, Kimberly Hollabaugh, Bappaditya Ray, Evgeny Sidorov

Notice bibliographique

RevueStroke · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensKimberly-Clark (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)ThrombolysisRetrospective cohort studyCohortPresentation (obstetrics)Atrial fibrillationPediatricsDiagnosis codeInternal medicineSurgeryPopulationMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Introduction: A common approach at differentiating acute ischemic stroke (AIS) from stroke mimics (SM) is medical history and clinical presentation. However, combination of certain clinical symptoms and signs are more associated with SM than with AIS. Identifying these clinical features during “Code Stroke “would help clinicians to raise high suspicion to identify SM and thus prevent futile IV thrombolysis. Hypothesis: A predictive model will identify a combination of signs and symptoms associated with SM. Methods: A retrospective cohort over a 4-year period was used to construct a predictive model with recursive partitioning. Results: During the study period, out of 1467 “Code Stroke” activations, 508 patients were eligible for IV thrombolysis. After initial analysis of 43 “Code Stroke” clinical features, we identified 11 signs and symptoms that were significantly different in AIS and SM patients: age, systolic blood pressure, atrial fibrillation (AF), being on antithrombotic at presentation, similar admissions in the past, seizure at onset, headache at presentation, encephalopathy, focal neurological symptoms, NIHSS and old stroke on head CT. Using a predictive model analysis, headache at presentation, absence of focal symptoms, and seizure at onset significantly predicted of SM. A high predictive value of 92%, (CI: 88-95%) for SM included: i) headache at presentation, ii) no headache without focal symptoms, iii) no headache with at least one focal symptom and seizure at onset. While a low SM predictive value of 29% (CI: 23-35%) included no headache at presentation with at least one focal symptom and no seizure at onset. Conclusion: Our study found that among other symptoms, headache, absence of focal symptoms, and seizure at onset have strongest association with SM during “Code Stroke”. Study results further need to be validated in prospective cohort.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,029
Tête enseignante GPT0,299
Écart entre enseignants0,271 · 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'étudeSimulation ou modélisation
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetAcute Ischemic Stroke Management→Travaux en français237 207→