Platelet-rich clots as identified by Martius Scarlet Blue staining are isodense on NCCT
Notice bibliographique
Résumé
Background Current studies on clot characterization in acute ischemic stroke focus on fibrin and red blood cell composition. Few studies have examined platelet composition in acute ischemic stroke clots. We characterize clot composition using the Martius Scarlet Blue stain and assess associations between platelet density and CT density. Materials and method Histopathological analysis of the clots collected as part of the multi-institutional STRIP registry was performed using Martius Scarlet Blue stain and the composition of the clots was quantified using Orbit Image Analysis (www.orbit.bio) machine learning software. Prior to endovascular treatment, each patient underwent non-contrast CT (NCCT) and the CT density of each clot was measured. Correlations between clot components and clinical information were assessed using the χ 2 test. Results Eighty-five patients were included in the study. The mean platelet density of the clots was 15.7% (2.5–72.5%). There was a significant correlation between platelet-rich clots and the absence of hyperdensity on NCCT, (ρ=0.321, p=0.003*, n=85). Similarly, there was a significant inverse correlation between the percentage of platelets and the mean Hounsfield Units on NCCT (ρ=−0.243, p=0.025*, n=85). Conclusion Martius Scarlet Blue stain can identify patients who have platelet-rich clots. Platelet-rich clots are isodense on NCCT.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».