Machine Learning–Based Identification of Target Groups for Thrombectomy in Acute Stroke
Notice bibliographique
Résumé
Whether endovascular thrombectomy (EVT) improves functional outcome in patients with large-vessel occlusion (LVO) stroke that do not comply with inclusion criteria of randomized controlled trials (RCTs) but that are considered for EVT in clinical practice is uncertain. We aimed to systematically identify patients with LVO stroke underrepresented in RCTs who might benefit from EVT. Following the premises that (i) patients without reperfusion after EVT represent a non-treated control group and (ii) the level of reperfusion affects outcome in patients with benefit from EVT but not in patients without treatment benefit, we systematically assessed the importance of reperfusion level on functional outcome prediction using machine learning in patients with LVO stroke treated with EVT in clinical practice (N = 5235, German-Stroke-Registry) and in patients treated with EVT or best medical management from RCTs (N = 1488, Virtual-International-Stroke-Trials-Archive). The importance of reperfusion level on outcome prediction in an RCT-like real-world cohort equaled the importance of EVT treatment allocation for outcome prediction in RCT data and was higher compared to an unselected real-world population. The importance of reperfusion level was magnified in patient groups underrepresented in RCTs, including patients with lower NIHSS scores (0-10), M2 occlusions, and lower ASPECTS (0-5 and 6-8). Reperfusion level was equally important in patients with vertebrobasilar as with anterior LVO stroke. The importance of reperfusion level for outcome prediction identifies patient target groups who likely benefit from EVT, including vertebrobasilar stroke patients and among patients underrepresented in RCT patients with low NIHSS scores, low ASPECTS, and M2 occlusions.
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 | 0,024 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».