MétaCan
Menu
← Retour à la cohorte
Enregistrement W3138406388 · doi:10.1161/str.52.suppl_1.p485

Abstract P485: Predictors and Clinical Impact of Deep Grey Matter Infarction After Endovascular Treatment for Large Vessel Occlusion Stroke: Results From the Escape-NA1 Trial

2021· article· en· W3138406388 sur OpenAlexaff
Johanna M. Ospel, Michael D. Hill, Nima Kashani, Arnuv Mayank, Nishita Singh, Petra Cimflová, Martha Marko, Raul G. Nogueira, Ryan McTaggart, Andrew M. Demchuk, Alexandre Y. Poppe, Charlotte Zerna, Manish Joshi, Bijoy K. Menon, Mohammed Almekhlafi, Michael Tymianski, Mayank Goyal

Notice bibliographique

RevueStroke · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity Health NetworkCentre Hospitalier de l’Université de MontréalFoothills Medical CentreUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGrey matterMedicineWhite matterInfarctionStroke (engine)Nuclear medicineRadiologyCardiologyMagnetic resonance imagingMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Purpose: In this post-hoc analysis of the ESCAPE-NA1 trial, we investigated the prevalence of deep grey matter infarcts and their influence on clinical outcome. Methods: Infarcts on 24 hour follow up imaging (non contrast head CT or diffusion-weighted MRI) were categorized as predominantly deep grey matter infarcts (caudate and/or lentiform nucleus infarcts with sparing of the superficial grey matter and white matter) vs. other infarcts. Total infarct volume was manually segmented in all patients. When MRI follow-up was available, deep grey matter and grey matter infarct volumes were segmented separately. Multivariable logistic regression with adjustment for key minimization variables and by infarct volume was used to assess the association of predominantly deep grey matter infarcts and good outcome. Results: Of the 1026 included patients, 316 (30.8%) had predominantly deep grey matter infarcts. Cumulative proportions of good outcome for overall, grey matter, deep grey matter, and superficial grey matter infarct volumes are shown in the figure. Good outcomes were more frequently achieved in patients with predominantly deep grey matter infarcts (239/316 [75.6%] vs. 374/704 [53.1%]). Deep infarcts were tightly correlated with infarct volume (Pearson rho -0.35) and in multivariable analysis deep grey matter infarcts were predictive of outcome overall; when examined in volume percentiles, there was no effect of deep infarct location. Conclusion: Predominantly deep grey matter infarcts are associated with good outcomes. Deep grey matter infarct location favorable prognosis is associated with small overall infarct size.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,312
Écart entre enseignants0,293 · 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'étudeEssai randomisé
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetAcute Ischemic Stroke Management→Travaux en français237 207→