Factors influencing thrombectomy decision making for primary medium vessel occlusion stroke
Notice bibliographique
Résumé
BACKGROUND: We aimed to explore the preference of stroke physicians to treat patients with primary medium vessel occlusion (MeVO) stroke with immediate endovascular treatment (EVT) in an international cross-sectional survey, as there is no clear guideline recommendation for EVT in these patients. METHODS: In the survey MeVO-Finding Rationales and Objectifying New Targets for IntervEntional Revascularization in Stroke (MeVO-FRONTIERS), participants were shown four cases of primary MeVOs (six scenarios per case) and asked whether they would treat those patients with EVT. Multivariable logistic regression with clustering by respondent was performed to assess factors influencing the decision to treat. Dominance analysis was performed to assess the influence of factors within the scenarios on decision making. RESULTS: Overall, 366 participants (56 women; 15%) from 44 countries provided 8784 answers to 24 scenarios. Most physicians (59.2%) would treat patients immediately with EVT. Younger patient age (incidence rate ratio (IRR) 1.24, 99% CI 1.19 to 1.30), higher National Institutes of Health Stroke Scale (NIHSS) score (IRR 1.69, 99% CI 1.57 to 1.82), and small core volume (IRR 1.35, 99% CI 1.24 to 1.46) were positively associated with the decision to treat with EVT. Interventionalists (IRR 1.26, 99% CI 1.01 to 1.56) were more likely to treat patients with MeVO immediately with EVT. In the dominance analysis, factors influencing the decision in favor of EVT were (in order of importance): baseline NIHSS, core volume, alteplase use, patients' age, and occlusion site. CONCLUSIONS: Most physicians in this survey were interventionalists and would treat patients with MeVO stroke immediately with EVT. This finding supports the need for robust clinical evidence.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».