Abstract WP164: Prediction Of 90 Day Home Time Among Patients With Low Baseline Aspects Score Undergoing Endovascular Thrombectomy
Notice bibliographique
Résumé
Background: The outcome in stroke patients with ASPECTS of ≤5 who undergo Endovascular Thrombectomy(EVT) in Large Vessel Occlusion (LVO) is uncertain. We used machine learning models to predict 90-day home-time in these patients. Methods: We used the QuICR provincial stroke registry and administrative data from Southern Alberta to identify patients who underwent EVT from Jan 2015-Dec 2019. Imaging data were scored by 2-physician consensus. The primary outcome was the predicted 90-day home-time(number of days a patient is back at their premorbid living situation without an increase in level of care within 90 days of the stroke) using generalized boosting machine model with Gaussian distribution. Covariate contribution to hometime was determined using partial dependence plots. Results: Of 659 EVT patients, 82(12%) had baseline ASPECTS ≤5(mean age 69.8y, 44.6% females, 93% good-moderate collaterals, M1 occlusion(64.1%). Overall, patients with low ASPECTS had lower median predicted home-time by 2.8d. Holding other covariates constant, factors predicting lower 90d-home-time were diabetes mellitus(-14d), hypertension(-7d), and symptomatic intracerebral hemorrhage (sICH) on follow up scan(-14d). Home-time decreased with increasing age in both low and non-low ASPECTS groups, but the difference was larger in older age groups (Figure). There was no meaningful difference in predicted 90d-home-time by sex, atrial fibrillation, baseline NIHSS, occlusion site, tandem lesion, thrombolysis, or successful reperfusion. Conclusions: Among patients with low ASPECTS who underwent EVT, hypertension, diabetes and sICH predicted lower 90-d home-time. .
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».