Abstract TP417: An Autoregulation-Derived Prediction Model for Midline Shift After Ischemic Stroke
Notice bibliographique
Résumé
Introduction: Identification of patients likely to develop midline shift (MLS) after large-vessel occlusion (LVO) stroke is essential for appropriate triage and patient disposition. Studies have identified clinical and radiographic predictors of MLS, but with limited accuracy. Using an innovative assessment of cerebral autoregulation, we sought to develop an accurate predictive model for MLS. Methods: We prospectively enrolled 73 patients with LVO stroke. Beat-by-beat cerebral blood flow (transcranial Doppler) and arterial pressure (arterial catheter or finger photoplethysmography) were recorded within 24 hours of the stroke, and a 24-hour brain MRI was obtained to determine infarct volume and MLS. Autoregulatory function was quantified from pressure-flow relation via projection pursuit regression (PPR), allowing for characterization of 5 hemodynamic markers (Figure 1A). We assessed the predictive relation of autoregulatory capacity and radiological and clinical variables to MLS using recursive classification tree models. Results: PPR successfully quantified autoregulatory function in 50/73 (68.5%) patients within 24 hours of LVO ischemic stroke (age 63.9±13.6, 66% F, NIHSS 15.8±6.7). Of these 50 patients, most (78%) underwent endovascular therapy. Thirteen (26%) experienced 24-h MLS; in these patients, infarct volumes were larger (140.2 vs. 48.6 mL, P<0.001 ), and ipsilateral (but not contralateral) falling slopes were steeper (1.1 vs. 0.7 cm·s -1 ·mmHg -1 , P=0.001 ). Among all clinical, demographic, and hemodynamic variables, only two (infarct volume, ipsilateral falling slope) significantly contributed to prediction of MLS (accuracy 94%; Figure 1B). Conclusions: This predictive model of MLS wields translatable potential for triaging level of care in patients suffering from LVO ischemic stroke, but further research, including optimization of the PPR algorithm as well as prospective use of the predictive model, is needed.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».