Abstract 156: Recurrent Stroke in Middle-Aged Lacunar Stroke Survivors: Understanding Risk Factors and Vulnerability in an Important Target Population
Notice bibliographique
Résumé
Background: The precise role of stroke risk factors in middle-aged people remains a significant knowledge gap. Confounding risk factors conferred by young and elderly stroke are largely avoided, providing a unique opportunity to understand the relationship between traditional risk factors and stroke. We aimed to determine the predictors of stroke and myocardial infarction (MI) in a unique middle-aged cohort with MRI-defined lacunar stroke. Methods: We conducted a reanalysis of data from the Secondary Prevention of Small, Subcortical Strokes (SPS3) clinical trial. We focused on middle-aged study participants, defined as those aged 40-60 years at study entry. We used multivariate Cox regression models to estimate the risk of recurrent stroke or MI. Results: Out of 3,020 total subjects from SPS3, 1,312 (mean age 53 [SD 5], 445 females [34%]) were in the middle-aged category and were included in this analysis. Of these, there were 619 (47%) white, 297 (23%) black, and 283 (22%) Hispanic subjects. Over a mean follow-up time of 3.90 years, there were 123 strokes (2.6% per patient-year) and 33 MIs (0.7% per patient-year). The rates (% per patient-year) of having a stroke or MI differed significantly across white (n=59, 2.7%), black (n=54, 5.1%), and Hispanic (n=27, 2.8%) ethnic groups (p=0.006). Significant risk factors for recurrent stroke or MI are described for middle-aged and all SPS3 subjects in the table. Conclusions: In middle-aged individuals with prior stroke, diabetes, greater white matter disease severity, black race, and family history were potent predictors of recurrent stroke. Male sex, diabetes, and heart disease were potent predictors of MI. Compared to the entire SPS3 cohort, these predictors confer a greater risk for recurrent stroke or MI in the middle-aged. These data identify modifiable risk factors and target populations that are especially vulnerable to vascular events or complications.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».