Autonomic Parameter and Stress Profile Predict Secondary Ischemic Events After Transient Ischemic Attack or Minor Stroke
Notice bibliographique
Résumé
Background and Purpose- Traditional risk factors for ischemic stroke are body stressors that are related to autonomic autonomic system (ANS) dysfunction. The value of ABCD2 score (age, blood pressure, clinical features, duration of symptoms, diabetes) to predict ischemic stroke after transient ischemic attack is compromised by the inclusion of a limited number of stressors. We aimed to assess whether markers of ANS function and stress could predict the occurrence of secondary ischemic events after transient ischemic attack or minor stroke. Methods- This is a prospective cohort study in which 201 patients were recruited within 48 hours after initial transient ischemic attack or minor stroke and followed for 90 days to assess the development of secondary ischemic events. ABCD2 score, heart rate variability (HRV) parameters as markers of ANS function, and psychological stress were assessed. Logistic regression and area under the curve (AUC) were used to assess the models' predictive ability. Results- Morning high frequency (HF) HRV power and changes in HF HRV from morning to afternoon (daytime HF changes) were the most useful HRV predictors for both ischemic events (AUC=0.61 and 0.70) and ischemic stroke (AUC=0.62 and 0.72). Compared with ABCD2 score, 2 HRV-based stress models showed higher predictive ability for ischemic events (AUC=0.82 versus 0.63, 0.76 versus 0.63; P<0.05) and ischemic stroke (AUC=0.87 versus 0.64, 0.82 versus 0.64; P<0.05). Conclusions- Assessing the effects of stress on the ANS may be an innovative way to stratify the risk of ischemic events after transient ischemic attack or minor stroke. New risk stratification by assessing the dynamic features of ANS dysfunction and stress may help identify high-risk sub-populations that may benefit from added management.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 tête enseignante, 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 ».