Abstract WP177: Frequency of Carotid Plaque With High-Risk Features in Cryptogenic Stroke: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background and Purpose: An ipsilateral non-obstructive carotid atherosclerosis (NOCA), defined as carotid plaque with <50% stenosis, is identified in 25% of cryptogenic strokes and could represent an unrecognized source of athero-embolism. We aimed to summarize available data regarding the frequency of NOCA with high-risk features in patients with cryptogenic stroke. Methods: A search of Pubmed and Ovid-Embase identified observational studies reporting carotid plaque imaging features in patients with cryptogenic stroke, from inception to July 15, 2019. The prevalence of NOCA with high-risk features in ipsilateral and contralateral carotid was determined by pooling study-specific estimates using a random-effect meta-analysis. Results: Six prospective studies enrolling a total of 255 participants with unilateral ischemic stroke in the anterior circulation were included. Carotid arteries were imaged with ultrasound, computed tomography or MRI to identify echolucency, ulceration, intraplaque hemorrhage, thrombus, or thickness ≥ 3 mm. The pooled prevalence of NOCA with high-risk features in the ipsilateral carotid was 34.0% (95% CI: 25.7 – 42.9) compared to 7.3 % (95% CI: 0.8 – 18.1) in the contralateral carotid. The odds ratio of finding a plaque with high-risk features in the ipsilateral versus the contralateral carotid was 4.1 (95% CI: 2.0 – 8.7). Conclusion: Plaques with high-risk features are four times more prevalent in the ipsilateral compared to the contralateral carotid artery in patients with cryptogenic stroke, suggesting a relationship to stroke risk. These features may aid in etiologic classification of stroke and risk stratification for secondary prevention therapy.
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 | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,030 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».