Predictors of 90-Day Functional Outcome Following Direct Mechanical Thrombectomy for Anterior Circulation Large Vessel Occlusion: A Prospective Study
Notice bibliographique
Résumé
Background: Mechanical thrombectomy (MT) is becoming a growing trend in the management of large vessel occlusion (LVO) during the past few decades, although data on the predictors of outcome following MT are scarce. We aimed to study the predictors of 90-day outcome in a cohort of patients with ischemic stroke with large-vessel occlusion. Methods: This was a three-month prospective study of 40 patients with anterior circulation LVO who underwent MT and were followed up for three months with modified Rankin Score (mRS). Results: Of the 40 patients recruited, 55% were men. M1 was the most common vessel occluded (32.5%) followed by internal carotid artery (ICA) and carotid trunk (20%). Tandem occlusion occurred in 25% of the cases. Among the demographic, clinical, radiological, and procedural variables studied, the factors that had a significant impact on the mRS at 3 months were age, diabetes mellitus (DM), hyperlipidemia, stroke mechanism, blood glucose level during procedure, post-procedural National Institutes of Health Stroke Scale (NIHSS), baseline Alberta stroke program early CT score (ASPECT) score, collaterals grade, and procedural thrombolysis in cerebral infarction (TICI) score (P<0.05). On multivariate regression, patients’ age (B: 0.025, 95% CI: 0.001- 0.049, P=0.038), post-procedural NIHSS (B: 0.192, 95% CI: 0.101–0.283, P<0.001), and baseline ASPECT score (B: -0.442, 95% CI: -0.838- -0.046, P=0.03) were the most independent factors to affect the mRS at 3 months. Conclusion: Patients’ age, baseline ASPECT score and post-procedural NIHSS are significant predictors of 90-day outcome of large-vessel occlusion following MT.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».