Abstract 169: Clinical and Imaging Biomarkers of Childhood Arteriopathy: Results of the Vascular effects of Infection in Pediatric Stroke (VIPS) Study
Notice bibliographique
Résumé
Introduction: Childhood cerebral arteriopathies are heterogeneous and difficult to classify. Our goal was to identify clinical and imaging biomarkers associated with subtypes of childhood arteriopathy in order to facilitate their diagnosis and classification in both research and clinical settings. Methods: From 2009-2014, the VIPS study enrolled 355 children (age 29d-18y) with arterial ischemic stroke. A neuroradiologist and pediatric vascular neurologist independently reviewed vascular imaging and clinical data to diagnose arteriopathy (none, possible, definite), and then classify arteriopathy subtype: arterial dissection, transient cerebral arteriopathy (TCA), moyamoya, and secondary vasculitis. Disagreements were resolved through discussion by a panel of two neuroradiologists and two pediatric vascular neurologists. We constructed multivariable logistic regression models to identify characteristics independently associated with each subtype. Results: Of 127 cases with definite arteriopathy, 109 received a single arteriopathy subtype diagnosis (26 dissection, 25 TCA, 34 moyamoya, 15 secondary vasculitis, and 9 “other”), while 18 were of indeterminate subtype. There were no cases of primary vasculitis. Independent predictors of arteriopathy subtype are shown (Table). The association between black race and moyamoya is explained by sickle cell anemia. A banding pattern on the vascular imaging was pathognomonic of TCA. Moyamoya and vasculitis secondary to meningitis had similar distal internal carotid artery abnormalities, but lenticulostriate collaterals suggested moyamoya, and a decreased level of consciousness predicted secondary vasculitis. Conclusions: The different subtypes of childhood arteriopathies are associated with typical clinical, parenchymal and vascular imaging features that can help narrow the differential diagnosis in pediatric stroke patients with vascular abnormalities.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».