Electronic Alberta Stroke Program Early CT score change and functional outcome in a drip-and-ship stroke service
Notice bibliographique
Résumé
Background Debate continues as to whether patients with acute ischemic stroke with (suspected) large vessel occlusion benefit from direct referral versus secondary transportation. Aims To analyze the change in early infarct signs, collaterals, and acute ischemia volume and their association with transfer time and functional outcome. Methods We retrospectively analyzed consecutive transfers between 2013 and 2016 for patients with anterior circulation stroke transported from referring hospitals to our center as potential candidates for thrombectomy. Alberta Stroke Programme Early CT Scores (ASPECTS) were automatically calculated on external and in-house CT using the Brainomix e-ASPECTS software, and collaterals were assessed using the e-CTA tool. Functional status after stroke using the modified Rankin scale (mRS) was obtained. Results 102 patients with CT scans both at the referring hospital and our center were identified. During patient transfer, e-ASPECTS declined by a median of 1 point (0–2). Functional outcome correlated with the change in e-ASPECTS (decline, n=54) (Spearman r s =0.322, 95% CI 0.131 to 0.482, p=0.001). The median image-to-image time was 149 min (IQR 113–190), but did not correlate with change in e-ASPECTS (p=0.754) and mRS score at 3 months (p=0.25). Preserved good collateral status assessed at the comprehensive stroke center was associated with better functional outcome ( r s =−0.271, 95% CI −0.485 to −0.037, p=0.02). Conclusions Patient transfer in a drip-and-ship network was associated with declines in e-ASPECTS associated with worse functional outcome. Image-to-image time did not influence this association, but worsening collateral status did.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».