Higher Baseline Cortical Score Predicts Good Outcome in Patients With Low Alberta Stroke Program Early Computed Tomography Score Treated with Endovascular Treatment
Notice bibliographique
Résumé
BACKGROUND: Patients with large vessel occlusion and noncontrast computed tomography (CT) Alberta Stroke Program Early CT Score (ASPECTS) <6 may benefit from endovascular treatment (EVT). There is uncertainty about who will benefit from it. OBJECTIVE: To explore the predicting factors for good outcome in patients with ASPECTS <6 treated with EVT. METHODS: We retrospectively reviewed 60 patients with ASPECTS <6 treated with EVT in our center between March 2018 and June 2019. Patients were divided into 2 groups because of the modified Rankin Score (mRS) at 90 d: good outcome group (mRS 0-2) and poor outcome group (mRS ≥3). Baseline and procedural characteristics were collected for unilateral variate and multivariate regression analyses to explore the influent variates for good outcome. RESULTS: Good outcome (mRS 0-2) was achieved in 24 (40%) patients after EVT and mortality was 20% for 90 d. Compared with the poor outcome group, higher baseline cortical ASPECTS (c-ASPECTS), lower intracranial hemorrhage, and malignant brain edema after thrombectomy were noted in the good outcome group (all P < .01). Multivariate logistic regression showed that only baseline c-ASPECTS (≥3) was positive factor for good outcome (odds ratio = 4.29; 95% CI, 1.21-15.20; P = .024). The receiver operating characteristics curve indicated a moderate value of c-ASPECTS for predicting good outcome, with the area under receiver operating characteristics curve 0.70 (95% CI, 0.56-0.83; P = .011). CONCLUSION: Higher baseline c-ASPECTS was a predictor for good clinical outcome in patients with ASPECTS <6 treated with EVT, which could be helpful to treatment decision.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».