MétaCan
Menu
Retour à la cohorte
Enregistrement W4229046611 · doi:10.1371/journal.pone.0267837

Retinal vessel multifractals predict pial collateral status in patients with acute ischemic stroke

2022· article· en· W4229046611 sur OpenAlex
Adnan Khan, Patrick De Boever, Nele Gerrits, Naveed Akhtar, Maher Saqqur, Georgios Ponirakis, Hoda Gad, Ioannis N. Petropoulos, Ashfaq Shuaib, James E. Faber, Saadat Kamran, Rayaz A. Malik

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Imaging and Analysis
Établissements canadiensTrillium Health CentreUniversity of TorontoUniversity of Alberta
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeQatar National Research FundFonds National de la Recherche LuxembourgQatar Foundation
Mots-clésMedicineRetinalInternal medicineCardiologyCollateral circulationStroke (engine)AngiographyBlood pressureRetinal ArteryOphthalmology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Pial collateral blood flow is a major determinant of the outcomes of acute ischemic stroke. This study was undertaken to determine whether retinal vessel metrics can predict the pial collateral status and stroke outcomes in patients. METHODS: Thirty-five patients with acute stroke secondary to middle cerebral artery (MCA) occlusion underwent grading of their pial collateral status from computed tomography angiography and retinal vessel analysis from retinal fundus images. RESULTS: The NIHSS (14.7 ± 5.5 vs 10.1 ± 5.8, p = 0.026) and mRS (2.9 ± 1.6 vs 1.9 ± 1.3, p = 0.048) scores were higher at admission in patients with poor compared to good pial collaterals. Retinal vessel multifractals: D0 (1.673±0.028vs1.652±0.025, p = 0.028), D1 (1.609±0.027vs1.590±0.025, p = 0.044) and f(α)max (1.674±0.027vs1.652±0.024, p = 0.019) were higher in patients with poor compared to good pial collaterals. Furthermore, support vector machine learning achieved a fair sensitivity (0.743) and specificity (0.707) for differentiating patients with poor from good pial collaterals. Age (p = 0.702), BMI (p = 0.422), total cholesterol (p = 0.842), triglycerides (p = 0.673), LDL (p = 0.952), HDL (p = 0.366), systolic blood pressure (p = 0.727), HbA1c (p = 0.261) and standard retinal metrics including CRAE (p = 0.084), CRVE (p = 0.946), AVR (p = 0.148), tortuosity index (p = 0.790), monofractal Df (p = 0.576), lacunarity (p = 0.531), curve asymmetry (p = 0.679) and singularity length (p = 0.937) did not differ between patients with poor compared to good pial collaterals. CONCLUSIONS: This is the first translational study to show increased retinal vessel multifractal dimensions in patients with acute ischemic stroke and poor pial collaterals. A retinal vessel classifier was developed to differentiate between patients with poor and good pial collaterals and may allow rapid non-invasive identification of patients with poor pial collaterals.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,017
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,227
Écart entre enseignants0,215 · 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