Predicting neuroimaging eligibility for extended-window endovascular thrombectomy
Notice bibliographique
Résumé
OBJECTIVE: Endovascular thrombectomy (EVT) and tissue plasminogen activator (tPA) are effective ischemic stroke treatments in the initial treatment window. In the extended treatment window, these treatments may offer benefit, but CT and MR perfusion may be necessary to determine patient eligibility. Many hospitals do not have access to advanced imaging tools or EVT capability, and further patient care would require transfer to a facility with these capabilities. To assist transfer decisions, the authors developed risk indices that could identify patients eligible for extended-window EVT or tPA. METHODS: The authors retrospectively identified stroke patients who had concurrent CTA and perfusion and evaluated three potential outcomes that would suggest a benefit from patient transfer. The first outcome was large-vessel occlusion (LVO) and target mismatch (TM) in patients 5-23 hours from last known normal (LKN). The second outcome was TM in patients 5-15 hours from LKN with known LVO. The third outcome was TM in patients 4.5-12 hours from LKN. The authors created multivariable models using backward stepping with an α-error criterion of 0.05 and assessed them using C statistics. RESULTS: The final predictors included the National Institutes of Health Stroke Scale (NIHSS), the Alberta Stroke Program Early CT Score (ASPECTS), and age. The prediction of the first outcome had a C statistic of 0.71 (n = 145), the second outcome had a C statistic of 0.85 (n = 56), and the third outcome had a C statistic of 0.86 (n = 54). With 1 point given for each predictor at different cutoffs, a score of 3 points had probabilities of true positive of 80%, 90%, and 94% for the first, second, and third outcomes, respectively. CONCLUSIONS: Despite the limited sample size, compared with perfusion-based examinations, the clinical variables identified in this study accurately predicted which stroke patients would have salvageable penumbra (C statistic 71%-86%) in a range of clinical scenarios and treatment cutoffs. This prediction improved (C statistic 85%-86%) when utilized in patients with confirmed LVO or a less stringent tissue mismatch (TM < 1.2) cutoff. Larger patient registries should be used to validate and improve the predictive ability of these models.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».