Predicting Imaging Outcomes in Acute Stroke Therapy—Comparison of Magnetic Resonance Imaging and Computed Tomography
Notice bibliographique
Résumé
Abstract Background Imaging of acute stroke patients in emergency settings is critical for treatment decisions. Most commonly, CT with CTA is used worldwide for acute stroke. However, MRI may be advantageous in certain settings. With advancements in endovascular clot retrieval techniques, there is a need to identify and use the best possible imaging for the diagnosis and outcome prediction of hyperacute stroke. Methods This mixed retrospective and prospective observational study was conducted over 2 years in patients who underwent reperfusion therapies. Patients were included in this study if they had a baseline as well as follow-up noncontrast CT and diffusion-weighted imaging (DWI) MRI. We compared them for estimating final infarct size and outcomes after reperfusion therapy. Results A total of 86 patients were included in the study. Baseline DWI found new infarcts in 33 patients compared to baseline CT. Sensitivity and specificity of CT and DWI in predicting the final infarct size was 75.3% and 76.9% and 97.2% and 92.3%, respectively. A positive correlation of 51.2% and 84.4% was noted between b-CT Alberta stroke programme early CT score (ASPECTS) and b-DWI with 72 hours DWI ASPECTS, respectively (p < 0.001). The positive predictive value of CT was 94.8% and DWI was 98.6%. None of the patients had reversible hyperintensities in the follow-up DWI. Conclusion MRI is more sensitive and specific than noncontrast CT in predicting final infarct volume. It predicts final outcomes better and could be an alternative if available in acute stroke settings.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».