MétaCan
Menu
Retour à la cohorte
Enregistrement W3182908879 · doi:10.1161/strokeaha.120.032935

Prediction of Outcome and Endovascular Treatment Benefit: Validation and Update of the MR PREDICTS Decision Tool

2021· article· en· W3182908879 sur OpenAlexaff
Esmée Venema, Bob Roozenbeek, Maxim J.H.L. Mulder, Scott Brown, Charles B.L.M. Majoie, Ewout W. Steyerberg, Andrew M. Demchuk, Keith W. Muir, Antoni Dávalos, Peter Mitchell, Serge Bracard, Olvert A. Berkhemer, Geert J. Lycklama à Nijeholt, Robert J. van Oostenbrugge, Yvo B.W.E.M. Roos, Wim H. van Zwam, Aad van der Lugt, Michael D. Hill, Phil White, Bruce Campbell, Françis Guillemin, Jeffrey L. Saver, Tudor G. Jovin, Mayank Goyal, Diederik W.J. Dippel, Hester F. Lingsma, Jelis Boiten, Jan Albert Vos, Ivo G.H. Jansen, Robert‐ Jan B. Goldhoorn, Kars C.J. Compagne, Manon Kappelhof, Josje Brouwer, Sanne J. den Hartog, Wouter H. Hinsenveld, Adriaan C.G.M. van Es, Bart J. Emmer, Jonathan M. Coutinho, Wouter J. Schonewille, Marieke J.H. Wermer, Marianne A.A. van Walderveen, Julie Staals, Jeannette Hofmeijer, Jasper M. Martens, Sebastiaan F. de Bruijn, Lukas C. van Dijk, H. Bart van der Worp, Rob H. Lo, Ewoud J. van Dijk, Hieronymus D. Boogaarts, J. de Vries, Paul L.M. de Kort, Julia van Tuijl, Jo P. Peluso, Puck Fransen, Jan S.P. van den Berg, Boudewijn A.A.M. van Hasselt, Leo A.M. Aerden, René J. Dallinga, Maarten Uyttenboogaart, Omid Eschgi, Reinoud P.H. Bokkers, Tobien H.C.M.L. Schreuder, Roel J.J. Heijboer, Koos Keizer, Lonneke S.F. Yo, Heleen M. den Hertog, Tomas Bulut, Paul J.A.M. Brouwers, Marieke E.S. Sprengers, Sjoerd F.M. Jenniskens, René van den Berg, Albert J. Yoo, Ludo F.M. Beenen, Alida A. Postma, Stefan D. Roosendaal, Bas F.W. van der Kallen, Ido R. van den Wijngaard, Joost Bot, Pieter‐Jan van Doormaal, Anton Meijer, Elyas Ghariq, Marc P. van Proosdij, G. Menno Krietemeijer, Rob Lo, Dick Gerrits, Wouter Dinkelaar, Auke P.A. Appelman, Bas Hammer, Sjoert Pegge, Anouk van der Hoorn, Saman Vinke, H. Zwenneke Flach, Naziha el Ghannouti, Martin Sterrenberg, Wilma Pellikaan, Rita Sprengers, Marjan Elfrink, Michelle Simons, Marjolein Vossers, Joke de Meris, Tamara Vermeulen, Annet Geerlings, Gina van Vemde, Tiny Simons, Gert Messchendorp, Nynke Nicolaij, Hester Bongenaar, Karin Bodde, Sandra Kleijn, Jasmijn Lodico, Hanneke Droste, Maureen Wollaert, Sabrina Verheesen, D. Jeurrissen, Erna Bos, Yvonne Drabbe, Michelle Sandiman, Nicoline Aaldering, Berber Zweedijk, Jocova Vervoort, Eva Ponjee, Sharon Romviel, Karin Kanselaar, Denn Barning, Vicky Chalos, Ralph R. Geuskens, Tim van Straaten, Saliha Ergezen, Roger R.M. Harmsma, Daan Muijres, Anouk de Jong, Anna M.M. Boers, J. Huguet, P.F.C. Groot, Marieke A. Mens, Katinka R. van Kranendonk, Kilian M. Treurniet, Manon L. Tolhuisen, Heitor Alves, Annick J. Weterings, Eleonora L.F. Kirkels, Eva J.H.F. Voogd, Lieve M. Schupp, Sabine L. Collette, Adrien E.D. Groot, Natalie E. LeCouffe, Praneeta R. Konduri, Haryadi Prasetya, Nerea Arrarte Terreros, Lucas A. Ramos

Notice bibliographique

RevueStroke · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMedical Research CouncilNational Institute for Health and Care Research
Mots-clésMedicineInterquartile rangeModified Rankin ScaleConcordanceRandomized controlled trialStroke (engine)Clinical trialObservational studyRandomizationInternal medicinePhysical therapyIschemic strokeIschemia

Résumé

récupéré en direct d'OpenAlex

Background and Purpose: Benefit of early endovascular treatment (EVT) for ischemic stroke varies considerably among patients. The MR PREDICTS decision tool, derived from MR CLEAN (Multicenter Randomized Clinical Trial of Endovascular Treatment for Acute Ischemic Stroke in the Netherlands), predicts outcome and treatment benefit based on baseline characteristics. Our aim was to externally validate and update MR PREDICTS with data from international trials and daily clinical practice. Methods: We used individual patient data from 6 randomized controlled trials within the HERMES (Highly Effective Reperfusion Evaluated in Multiple Endovascular Stroke Trials) collaboration to validate the original model. Then, we updated the model and performed a second validation with data from the observational MR CLEAN Registry. Primary outcome was functional independence (defined as modified Rankin Scale score 0–2) 3 months after stroke. Treatment benefit was defined as the difference between the probability of functional independence with and without EVT. Discriminative performance was evaluated using a concordance (C) statistic. Results: We included 1242 patients from HERMES (633 assigned to EVT, 609 assigned to control) and 3156 patients from the MR CLEAN Registry (all of whom underwent EVT within 6.5 hours). The C-statistic for functional independence was 0.74 (95% CI, 0.72–0.77) in HERMES and, after model updating, 0.80 (0.78–0.82) in the Registry. Median predicted treatment benefit of routinely treated patients (Registry) was 10.3% (interquartile range, 5.8%–14.4%). Patients with low (<1%) predicted treatment benefit (n=135/3156 [4.3%]) had low rates of functional independence, irrespective of reperfusion status, suggesting potential absence of treatment benefit. The updated model was made available online for clinicians and researchers at www.mrpredicts.com. Conclusions: Because of the substantial treatment effect and small potential harm of EVT, most patients arriving within 6 hours at an endovascular-capable center should be treated regardless of their clinical characteristics. MR PREDICTS can be used to support clinical judgement when there is uncertainty about the treatment indication, when resources are limited, or before a patient is to be transferred to an endovascular-capable center.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,252
Score d'incertitude au seuil0,273

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,253
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations54
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207