MétaCan
Menu
Retour à la cohorte
Enregistrement W4210389652 · doi:10.5853/jos.2021.03909

Mechanical Thrombectomy Access for All? Challenges in Increasing Endovascular Treatment for Acute Ischemic Stroke in the United States

2022· review· en· W4210389652 sur OpenAlexaff
Sushanth Aroor, Kaiz Asif, Jennifer Potter‐Vig, Arun Sharma, Bijoy K. Menon, Violiza Inoa, Cynthia Zevallos, José G. Romano, Santiago Ortega‐Gutiérrez, Larry B. Goldstein, Dileep R. Yavagal

Notice bibliographique

RevueJournal of Stroke · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineTriageReimbursementEndovascular treatmentMedical emergencyEmergency medicineStroke (engine)Intervention (counseling)Intensive care medicineHealth careSurgeryNursing

Résumé

récupéré en direct d'OpenAlex

Mechanical thrombectomy (MT) is the most effective treatment for selected patients with an acute ischemic stroke due to emergent large vessel occlusions (LVOs). There is an urgent need to identify and address challenges in access to MT to maximize the numbers of patients who can benefit from this treatment. Barriers in access to MT include delays in evaluation and accurate diagnosis of LVO leading to inappropriate triage, logistical delays related to availability of facilities and trained interventionalists, and financial hurdles that affect treatment reimbursement. Collection of regional data related to these barriers is critical to better understand current access gaps and a measurable access score to thrombectomy could be useful to plan local public health intervention.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,149
Tête enseignante GPT0,400
Écart entre enseignants0,250 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of StrokeMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207