Effect of workflow metrics on clinical outcomes of low diffusion-weighted imaging Alberta Stroke Program Early Computed Tomography Score (DWI-ASPECTS) patients subjected to mechanical thrombectomy
Notice bibliographique
Résumé
BACKGROUND: Although accumulating evidence has demonstrated the benefit of mechanical thrombectomy (MT) in patients with low Alberta Stroke Program Early Computed Tomography Score (ASPECTS), it is still unclear how workflow metrics impact the clinical outcomes of this subgroup of patients. METHODS: Patients with acute stroke and diffusion-weighted imaging (DWI) ASPECTS ≤5 at baseline, who underwent MT within 6 hours of symptoms onset, were included from a prospectively maintained national multicentric registry between January 1, 2012 to August 31, 2017. The degree of disability was assessed by the modified Rankin Scale (mRS) at 90 days. The primary outcome was functional independence defined as mRS 0 to 2 at 90 days. RESULTS: The study included 291 patients with baseline DWI-ASPECTS ≤5. Good outcome was achieved in 82 (28.2%) patients, and 104 (35.7%) patients died within 90 days. Successful reperfusion (modified Thrombolysis In Cerebral Infarction (mTICI) 2b-3) rate was 75.3%, and median onset to recanalization (OTR) time was 2 268min. Among time-related variables, OTR emerged as the strongest predictor of primary outcome (adjusted OR for every 60 min 0.59, 95% CI 0.44 to 0.77; p<0.001). mTICI 2c-3 independently predicted a good outcome (adjusted OR 1.91, 95% CI 1.004 to 3.6; p=0.049) along with age and baseline DWI-ASPECTS. Recanalization status failed to significantly impact outcome in the DWI-ASPECTS 0-3 subpopulation. CONCLUSIONS: 5 treated with MT.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| 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 | 0,001 |
| 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 ».