Defining reperfusion post endovascular therapy in ischemic stroke using MR-dynamic contrast enhanced perfusion
Notice bibliographique
Résumé
Objectives Cerebral blood flow (CBF) measurements after endovascular therapy (EVT) for acute ischemic stroke are important to distinguish early secondary injury related to persisting ischemia from that related to reperfusion when considering clinical response and infarct growth. Methods We compare reperfusion quantified by the modified Thrombolysis in Cerebral Infarction Score (mTICI) with perfusion measured by MRI dynamic contrast-enhanced perfusion within 5 h of EVT anterior circulation stroke. MR perfusion (rCBF, rCBV, rTmax, rT0) and mTICI scores were included in a predictive model for change in NIHSS at 24 h and diffusion-weighted imaging (DWI) lesion growth (acute to 24 h MRI) using a machine learning RRELIEFF feature selection coupled with a support vector regression. Results For all perfusion parameters, mean values within the acute infarct for the TICI-2b group (considered clinically good reperfusion) were not significantly different from those in the mTICI <2b (clinically poor reperfusion). However, there was a statistically significant difference in perfusion values within the acute infarct region of interest between the mTICI-3 group versus both mTICI-2b and <2b (p = 0.02). The features that made up the best predictive model for change in NIHSS and absolute DWI lesion volume change was rT0 within acute infarct ROI and admission CTA collaterals respectively. No other variables, including mTICI scores, were selected for these best models. The correlation coefficients (Root mean squared error) for the cross-validation were 0.47 (13.7) and 0.51 (5.7) for change in NIHSS and absolute DWI lesion volume change. Conclusion MR perfusion following EVT provides accurate physiological approach to understanding the relationship of CBF, clinical outcome, and DWI growth. Advances in knowledge MR perfusion CBF acquired is a robust, objective reperfusion measurement providing following recanalization of the target occlusion which is critical to distinguish potential therapeutic harm from the failed technical success of EVT as well as improve the responsiveness of clinical trial outcomes to disease modification.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».