Acute ischaemic stroke associated with SARS-CoV-2 infection in North America
Notice bibliographique
Résumé
BACKGROUND: To analyse the clinical characteristics of COVID-19 with acute ischaemic stroke (AIS) and identify factors predicting functional outcome. METHODS: Multicentre retrospective cohort study of COVID-19 patients with AIS who presented to 30 stroke centres in the USA and Canada between 14 March and 30 August 2020. The primary endpoint was poor functional outcome, defined as a modified Rankin Scale (mRS) of 5 or 6 at discharge. Secondary endpoints include favourable outcome (mRS ≤2) and mortality at discharge, ordinal mRS (shift analysis), symptomatic intracranial haemorrhage (sICH) and occurrence of in-hospital complications. RESULTS: A total of 216 COVID-19 patients with AIS were included. 68.1% (147/216) were older than 60 years, while 31.9% (69/216) were younger. Median [IQR] National Institutes of Health Stroke Scale (NIHSS) at presentation was 12.5 (15.8), and 44.2% (87/197) presented with large vessel occlusion (LVO). Approximately 51.3% (98/191) of the patients had poor outcomes with an observed mortality rate of 39.1% (81/207). Age >60 years (aOR: 5.11, 95% CI 2.08 to 12.56, p<0.001), diabetes mellitus (aOR: 2.66, 95% CI 1.16 to 6.09, p=0.021), higher NIHSS at admission (aOR: 1.08, 95% CI 1.02 to 1.14, p=0.006), LVO (aOR: 2.45, 95% CI 1.04 to 5.78, p=0.042), and higher NLR level (aOR: 1.06, 95% CI 1.01 to 1.11, p=0.028) were significantly associated with poor functional outcome. CONCLUSION: There is relationship between COVID-19-associated AIS and severe disability or death. We identified several factors which predict worse outcomes, and these outcomes were more frequent compared to global averages. We found that elevated neutrophil-to-lymphocyte ratio, rather than D-Dimer, predicted both morbidity and mortality.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».