MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210694622 · doi:10.1161/str.53.suppl_1.wp43

Abstract WP43: Modeling The Decay In Probability Of Receiving Endovascular Thrombectomy Based On Time From Stroke Onset

2022· article· en· W4210694622 sur OpenAlexaffabout
Daniel A. Paydarfar, Jessalyn K. Holodinsky, Noreen Kamal

Notice bibliographique

RevueStroke · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicinePenumbraStroke (engine)Core (optical fiber)Acute strokeEmergency medicineRadiologyCardiologyInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction: Large-vessel occlusion (LVO) stroke patients with infarct core volumes greater than 70 mL do not meet current AHA guidelines for thrombectomy eligibility. Therefore, it is important to understand how time-dependent infarct core growth translates to a patient’s declining probability of thrombectomy eligibility. Modeling the probability that a suspected LVO patient would qualify for thrombectomy can help inform the optimal prehospital emergency transport strategy which maximizes the likelihood of an excellent patient outcome. Methods: We determined the time from stroke onset required for an infarct core to grow to 70 mL as a function of penumbra volume and collateral score. After applying a series of numerical interpolations, our framework outputted the probability a suspected LVO patient qualifies for thrombectomy (based on core volume threshold) as a function of time from stroke onset to imaging. We then incorporated this function into an existing model of prehospital emergency transport, which previously assumed all patients were thrombectomy-eligible, in order to assess the impact that considering treatment eligibility had on optimal transport decisions. Results: An exponential decay curve best fit the numerically-generated probability function. We found that after integrating this eligibility model into the emergency transport decision tool the optimal transport strategy changed from drip and ship to mothership in 8.5% of possible patient pickup locations in Alberta, Canada. Conclusions: This methodology provides a novel, mechanistic approach to deriving a thrombectomy eligibility curve. As a result, we are able to better optimize prehospital transport decisions to improve outcomes of suspected LVO patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,307
Score d'incertitude au seuil0,610

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,249
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetAcute Ischemic Stroke Management→Travaux en français237 207→