Abstract P354: SWAN-DWI Mismatch Predicts Clinical Outcome After Mechanical Thrombectomy
Notice bibliographique
Résumé
Objectives: Asymmetrically prominent veins on magnetic susceptibility sequences are thought to reflect the ischemic penumbra, by detecting high levels of desoxyheglobin. We investigated the relation between star-weighted angiography (SWAN)-diffusion weighted imaging (DWI) mismatch and clinical outcome after mechanical thrombectomy. Methods: We performed a retrospective study on patients who experienced anterior circulation stroke and for whom 1.5-Tesla MRI DWI and SWAN were performed upstream of mechanical thrombectomy. Mismatch was determined by using the Alberta Stroke Program Early CT Score (ASPECTS) on the diffusion-weighted and SWAN sequences. Three subgroups were defined in terms of mismatch level: high mismatch (HM), moderate mismatch (MM) and low mismatch (LM). Favorable outcome was defined as a modified Rankin score of 0-2 at three months. Multivariate logistic regression was used to examine associations between mismatch profiles and favorable outcomes. Results: The study included 108 patients who underwent mechanical thrombectomy. High mismatch was significantly associated with favorable clinical outcome (67% in the HM subgroup vs. 51% and 28% in the MM and LM subgroups respectively; odds ratio 1.25; 95 CI 1.02-1.56; p=0.037). No significant associations between SWAN-DWI mismatch and severe hemorrhagic complications or recanalization quality were brought to light by the present study. Conclusion: SWAN-DWI mismatch is a competent predictor of clinical outcome following mechanical thrombectomy.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,003 | 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 ».