Optimal Glucose Target After Aneurysmal Subarachnoid Hemorrhage: A Matched Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Hyperglycemia has been associated with poor outcomes in patients with aneurysmal subarachnoid hemorrhage (aSAH). However, there remains debate as to what optimal glucose targets should be in this patient population. OBJECTIVE: To assess whether we could identify an optimal glucose target for patients with aSAH. METHODS: We performed a post hoc analysis of the "clazosentan to overcome neurological ischemia and infarction occurring after subarachnoid hemorrhage" trial data set. Patients had laboratory results drawn daily for the entirety of their intensive care unit stay. Maximum blood glucose levels were assessed for a relationship with unfavorable outcomes using multiple logistic regression analysis. Maximum blood glucose levels were dichotomized based on the Youden index, which identified a maximum level of <9.2 mmol/L as the optimal cut point for prediction of unfavorable outcomes. Nearest neighbor matching was used to assess the relationship between maintaining glucose levels below the cut point and unfavorable functional outcomes (defined as a modified Rankin score of >2 at 3 mo post-aSAH). The matching was performed after calculation of a propensity score based on identified predictors of outcome and glucose levels. RESULTS: Three hundred eighty-nine patients were included in the matched analysis. Propensity scores were balanced on both the covariates and outcomes of interest. There was a significant average treatment effect (-0.143: 95% confidence interval -0.267 to -0.019) for patients who maintained glucose levels <9.2 mmol/L. CONCLUSION: Maintaining glucose levels below the identified cut point was associated with a decreased risk for unfavorable outcomes in this retrospective matched study.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».