MétaCan
Menu
Retour à la cohorte
Enregistrement W4212846854 · doi:10.3389/fneur.2022.833020

Cognitive Status Predicts Return to Functional Independence After Minor Stroke: A Decision Tree Analysis

2022· article· en· W4212846854 sur OpenAlexaboutno aff
Mirjam R. Heldner, Caroline Chalfine, Marion Houot, Roza M. Umarova, Jan Rösner, Julian Lippert, Laura Gallucci, Anne Léger, Flore Baronnet, Yves Samson, Charlotte Rosso

Notice bibliographique

RevueFrontiers in Neurology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésCohortCartMedicineDecision treeMontreal Cognitive AssessmentStroke (engine)Cohort studyCognitionPhysical therapyGerontologyInternal medicineCognitive impairmentPsychiatryComputer scienceMachine learning

Résumé

récupéré en direct d'OpenAlex

About two-thirds of patients with minor strokes are discharged home. However, these patients may have difficulties returning to their usual living activities. To investigate the factors associated with successful home discharge, our aim was to provide a decision tree (based on clinical data) that could identify if a patient discharged home could return to pre-stroke activities and to perform an external validation of this decision tree on an independent cohort. Two cohorts of patients with minor strokes gathered from stroke registries at the Hôpital Pitié-Salpêtrière and University Hospital Bern were included in this study ( n = 105 for the construction cohort coming from France; n = 100 for the second cohort coming from Switzerland). The decision tree was built using the classification and regression tree (CART) analysis on the construction cohort. It was then applied to the validation cohort. Accuracy, sensitivity, specificity, false positive, and false-negative rates were reported for both cohorts. In the construction cohort, 60 patients (57%) returned to their usual, pre-stroke level of independence. The CART analysis produced a decision tree with the Montreal Cognitive Assessment (MoCA) as the first decision point, followed by discharge NIHSS score or age, and then by the occupational status. The overall prediction accuracy to the favorable outcome was 80% in the construction cohort and reached 72% accuracy in the validation cohort. This decision tree highlighted the role of cognitive function as a crucial factor for patients to return to their usual activities after a minor stroke. The algorithm may help clinicians to tailor planning of patients' discharge.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,230 · 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'étudeObservationnel
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207