MétaCan
Menu
Retour à la cohorte
Enregistrement W3107723745 · doi:10.1161/strokeaha.120.030965

Imaging Predictors of Neurologic Outcome After Pediatric Arterial Ischemic Stroke

2020· article· en· W3107723745 sur OpenAlexaff
Bin Jiang, Nancy K. Hills, Rob Forsyth, Lori C. Jordan, Mahmoud Slim, Steven G. Pavlakis, Neil Freidman, Nomazulu Dlamini, Osman Farooq, Ying Li, Guangming Zhu, Heather J. Fullerton, Max Wintermark, Warren Lo, Micheal M Dowling, Susan Benedict, Timothy J. Bernard, Christine K. Fox, Gabrielle deVeber, Neil Friedman, Rebecca Ichord, M. Tan, Mark T. Mackay, Adam Kirton, Marta Hernández, P Humphreys, Steven M. Sultan, Michael J. Rivkin, E. Ann Yeh, Mubeen F. Rafay, Luigi Titomanlio, Gordana Kovačević, Jerome Y. Yager, Catherine Amlie‐Lefond, John Condie, Rachel Kneen, Bruce Björnson, Paola Pergami, Li Zou, Jorina Elbers, Abdalla Abdalla, Anthony K.C. Chan, Jessica L. Carpenter, Virginia Wong, Fenella J. Kirkham

Notice bibliographique

RevueStroke · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood Coagulation and Thrombosis Mechanisms
Établissements canadiensHospital for Sick Children
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Neurological Disorders and Stroke
Mots-clésMedicineArterial Ischemic StrokeStroke (engine)Ischemic strokePediatric strokeNeuroimagingCardiologyInternal medicineIschemiaPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: To assess whether initial imaging characteristics independently predict 1-year neurological outcomes in childhood arterial ischemic stroke patients. METHODS: We used prospectively collected demographic and clinical data, imaging data, and 1-year outcomes from the VIPS study (Vascular Effects of Infection in Pediatric Stroke). In 288 patients with first-time stroke, we measured infarct volume and location on the acute magnetic resonance imaging studies and hemorrhagic transformation on brain imaging studies during the acute presentation. Neurological outcome was assessed with the Pediatric Stroke Outcome Measure. We used univariate and multivariable ordinal logistic regression models to test the association between imaging characteristics and outcome. RESULTS: Univariate analysis demonstrated that infarcts involving uncinate fasciculus, angular gyrus, insular cortex, or that extended from cortex to the subcortical nuclei were significantly associated with poorer outcomes with odds ratios ranging from 1.95 to 3.95. All locations except the insular cortex remained significant predictors of poor outcome on multivariable analysis. When infarct volume was added to the model, the locations did not remain significant. Larger infarct volumes and younger age at stroke onset were significantly associated with poorer outcome, but the strength of the relationships was weak. Hemorrhagic transformation did not predict outcome. CONCLUSIONS: In the largest pediatric arterial ischemic stroke cohort collected to date, we showed that larger infarct volume and younger age at stroke were associated with poorer outcomes. We made the novel observation that the strength of these associations was modest and limits the ability to use these characteristics to predict outcome in children. Infarcts affecting specific locations were significantly associated with poorer outcomes in univariate and multivariable analyses but lost significance when adjusted for infarct volume. Our findings suggest that infarcts that disrupt critical networks have a disproportionate impact upon outcome after childhood arterial ischemic stroke.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,256
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetBlood Coagulation and Thrombosis MechanismsTravaux en français237 207