Abstract WP381: Cryptogenic Stroke: Contemporary Characteristics, Treatments, and Outcomes in the United States
Notice bibliographique
Résumé
Objective: Nationwide data on patients with cryptogenic stroke (CS) are lacking. We evaluated patient and hospital characteristics, in-hospital treatments, and discharge outcomes among CS patients compared to other subtypes in the Get With The Guidelines (GWTG)-Stroke registry. Methods: We identified patients admitted to GWTG-Stroke participating hospitals between January 1, 2016 and September 30, 2017 with 1) ischemic stroke and 2) documented stroke etiology (cardioembolic [CE], large artery atherosclerosis [LAA], small vessel occlusion [SVO], other determined etiology [OTH], or CS). Using multivariable logistic regression, we compared discharge outcomes by subtype adjusted for patient and hospital characteristics. Results: Among 348,715 patients from 1,725 hospitals with documented stroke subtype, there were 69,857 (20.0%) patients with CS. Compared to CE subtype, patients with CS were younger, less likely to arrive by ambulance, less often white, more privately insured, and milder by NIHSS score. In multivariable analysis (Table), patients with CS had lower mortality than CE, LAA, and OTH subtypes but higher mortality than SVO. Patients with CS were more likely to be discharged home than all subtypes and be independent at discharge than patients with LAA or OTH subtypes. Conclusions: In a large nationwide registry, CS accounted for 20% of ischemic stroke subtypes. Patients with CS had lower stroke severity than CE stroke subtype and had intermediate outcomes at discharge being better than CE and LAA subtypes, but worse than SVO subtype.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».