Outcomes and Issues of ‘Drip and Go’ as an Inter-Hospital Cooperation System in Mechanical Thrombectomy for Acute Ischemic Stroke
Notice bibliographique
Résumé
Objective: Mechanical thrombectomy in acute ischemic stroke (AIS) has become popular in recent years. Our affiliated institutes without neuro-endovascular specialists call our department to come to assist and perform thrombectomy (Drip and Go). In this study, the effectiveness of this inter-hospital cooperative system was evaluated. Methods: Between January 2016 and December 2018, "Drip and Go" was performed in a total of 29 patients (20 males, average age of 75 years) from four hospitals located within a 1-hour drive, that frequently called for AIS assistance. The background and outcomes of such cases were then retrospectively collected and evaluated. Results: The median National Institutes of Health Stroke Scale (NIHSS) and diffusion-weighed image-Alberta Stroke Programme Early CT Score (DWI-ASPECTS) were 19 and 7, respectively. Gro in puncture was performed in 27 patients (93%) within 6 h of onset. Good reperfusion (thrombolysis in cerebral infarction [TICI] 2b/3) was obtained in 24 patients (82%) with only one patient exhibiting hemorrhagic complication. A total of 12 patients (41%) had a modified Rankin Scale (mRS) score of 0-3 after 90 days or at the time of discharge. Univariate analysis identified a DWI-ASPECTS of 7 or higher as the only significant factor associated with a good neurological prognosis (P <0.05). Neurological prognosis was the most favorable at the furthest hospital where patients had a good DWI-ASPECTS. Conclusion: By employing a 1-hour arrival time window and proper patient selection, the "Drip and Go" inter-hospital cooperative system can be an alternative approach for covering areas where no neuro-endovascular specialists are available for AIS.
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) | 0,000 | 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 | 0,000 |
| 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 ».