MétaCan
Menu
Retour à la cohorte
Enregistrement W2978234314 · doi:10.1161/strokeaha.119.026229

Admission Diffusion-Weighted Imaging Lesion Volume in Patients With Large Vessel Occlusion Stroke and Alberta Stroke Program Early CT Score of ≥6 Points

2019· article· en· W2978234314 sur OpenAlexaffabout
Inwu Yu, Oh Young Bang, Jong‐Won Chung, Yoon‐Chul Kim, Eun‐Hyeok Choi, Woo‐Keun Seo, Gyeong‐Moon Kim, Bijoy K. Menon, Andrew M. Demchuk, Mayank Goyal, Michael D. Hill

Notice bibliographique

RevueStroke · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)OcclusionLesionDiffusion MRIRadiologyCardiologyNuclear medicineMagnetic resonance imagingSurgery

Résumé

récupéré en direct d'OpenAlex

Background and Purpose— We hypothesized that the pial collateral status at the time of presentation could predict the infarct size on magnetic resonance imaging in patients with similar degrees of early ischemic changes on computed tomography. We tested the association between serial changes in collateral status and infarct volume defined on diffusion-weighted imaging (DWI) in patients with large vessel occlusion and small core. Methods— Consecutive patients who were candidates for endovascular treatment (Alberta Stroke Program Early CT Score [ASPECTS] of ≥6 points) and who underwent both pretreatment multiphasic computed tomography angiography (mCTA) and multimodal magnetic resonance imaging were enrolled. The baseline early ischemic changes and collateral status were determined using both mCTA and magnetic resonance imaging–based collateral maps. Multivariable linear regression was used to evaluate adjusted estimates of the effect of collateral status on predicting MR DWI lesion volume before endovascular treatment. Results— Of 65 patients (39 men; median age, 76 years; median ASPECTS, 8 points [range, 6–10]), 10 (15.4%), 8 (12.3%), and 47 (72.3%) presented poor, intermediate, and good collaterals on mCTA, respectively. After adjusting for the initial stroke severity, ASPECTS, time to DWI, and mismatch volume, the mCTA collateral grade was the only factor independently associated with the DWI lesion volume (β=−35.657, SE mean=3.539; P <0.0001). An excellent correlation between the mCTA- and magnetic resonance imaging-based collateral grades was observed (matching grade seen in 92.3%), suggesting a collateral status persistence during the hyperacute stroke phase. Conclusions— The mCTA assessed collateral adequacy is the sole predictor of eventual DWI lesion volume before endovascular treatment. The added value of collateral assessment in early ischemic changes and large vessel occlusion for decision-making regarding more aggressive revascularizations requires further evaluation. Clinical Trial Registration— URL: https://www.clinicaltrials.gov . Unique identifier: NCT03234634 and NCT02668627.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,230
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207