Quantitative Lesion Water Uptake as Stroke Imaging Biomarker: A Tool for Treatment Selection in the Extended Time Window?
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Patients presenting in the extended time window may benefit from mechanical thrombectomy. However, selection for mechanical thrombectomy in this patient group has only been performed using specialized image processing platforms, which are not widely available. We hypothesized that quantitative lesion water uptake calculated in acute stroke computed tomography (CT) may serve as imaging biomarker to estimate ischemic lesion progression and predict clinical outcome in patients undergoing mechanical thrombectomy in the extended time window. METHODS: All patients with ischemic anterior circulation stroke presenting within 4.5 to 24 hours after symptom onset who received initial multimodal CT between August 2014 and March 2020 and underwent mechanical thrombectomy were analyzed. Quantitative lesion net water uptake was calculated from the admission CT. Prediction of clinical outcome was assessed using univariable receiver operating characteristic curve analysis and logistic regression analyses. RESULTS: =0.03) were significantly and independently associated with favorable outcome (modified Rankin Scale score ≤1), adjusted for degree of recanalization and Alberta Stroke Program Early CT Score. A multivariable predictive model including the above parameters yielded the highest diagnostic ability in the classification of functional outcome, with an area under the curve of 0.88 (sensitivity 92.3%, specificity 82.9%). CONCLUSIONS: The implementation of quantitative lesion water uptake as imaging biomarker in the diagnosis of patients with ischemic stroke presenting in the extended time window might improve clinical prognosis. Future studies could test this biomarker as complementary or even alternative tool to CT perfusion.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».