MétaCan
Menu
Retour à la cohorte
Enregistrement W3158810028 · doi:10.1161/str.51.suppl_1.18

Abstract 18: Diffusion Weighted Imaging Lesions in Patients With Acute Intracerebral Hemorrhage: A Pooled Analysis of Individual Patient Data From MISTIE-III, ATACH-II, I-DEF, and ERICH

2020· article· en· W3158810028 sur OpenAlexaff
Santosh B. Murthy, Sung‐Min Cho, Ajay Gupta, Ashkan Shoamanesh, Radhika Avadhani, Joshua Gruber, Tatiana Greige, Vasileios‐Arsenios Lioutas, Casey Norton, Pitchaiah Mandava, Guido J. Falcone, Kevin N. Sheth, Adnan I. Qureshi, Joshua N. Goldstein, Chelsea S. Kidwell, Magdy Selim, Daniel Woo, Hooman Kamel, Wendy Ziai, Daniel F. Hanley

Notice bibliographique

RevueStroke · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMRI in cancer diagnosis
Établissements canadiensPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineIntracerebral hemorrhageModified Rankin ScaleLeukoaraiosisMagnetic resonance imagingLogistic regressionInternal medicineEtiologyOdds ratioStroke (engine)HyperintensityRadiologyIschemic strokeSubarachnoid hemorrhageIschemia

Résumé

récupéré en direct d'OpenAlex

Introduction: The etiology and significance of diffusion weighted imaging (DWI) lesions in patients with acute intracerebral hemorrhage (ICH) remain unclear. We evaluated which factors were associated with DWI lesions, whether associated factors differed by ICH location, and whether DWI lesions were associated with functional outcomes. Methods: We pooled individual patient data from the MISTIE III trial, the ATACH-II trial, the i-DEF trial, and the ERICH study. We included only patients who underwent protocolized magnetic resonance imaging (MRI) of the brain. A poor functional outcome was defined as a modified Rankin Scale (mRS) score of 4-6 at 3-6 months. We used mixed effects logistic regression with the study database as a random effect. Results: Among 1,775 ICH patients, there were 621 (35.6%) lobar, 978 (55.9%) deep, and 148 (8.5%) infratentorial ICHs. Median time to MRI scan was 1.5 days (IQR, 1-4). DWIHLs occurred in 559 (31.5%) patients, with 190 (34.3%) in lobar ICH and 320 (57.8%) in deep ICHs. In mixed effects regression models, factors associated with DWIHLs included younger age factors associated with DWIHLs after acute ICH included younger age (OR, 0.98; 95% CI, 0.97-0.99), black race (OR, 1.59; 95% CI, 1.18-2.16), admission systolic blood pressure (SBP per 10 mm Hg, OR, 1.13; 95% CI, 1.05-1.22), cerebral microbleeds (OR, 1.71, 95% CI, 1.24-2.35), and leukoaraiosis (OR, 1.60; 95% CI, 1.14-2.25). Patients with DWIHLs had higher odds of mRS 4-6 (OR, 1.57; 95% CI, 1.24-1.99) compared to those without, after adjustment for demographics and ICH severity. In subgroup analyses, similar factors influenced DWIHLs in deep ICH. However, in lobar ICH, younger age, admission SBP, and leukoaraiosis were associated with DWIHLs. Presence of DWIHLs was independently associated with poor mRS in deep ICH but not in lobar ICH. There was no relationship between acute BP lowering and DWIHLs, regardless of location. Conclusions: In a large, heterogeneous cohort of ICH patients, our results are consistent with the hypothesis that DWIHLs represent the effects of chronic hypertensive vasculopathy and acute blood pressure elevation. Furthermore, DWIHLs portend poor prognosis after ICH, particularly in deep hemorrhages.

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)0,030
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,031
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,013
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
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 Opus0,020
Tête enseignante GPT0,269
Écart entre enseignants0,249 · 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'étudeMéta-analyse
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetMRI in cancer diagnosisTravaux en français237 207