MétaCan
Menu
Retour à la cohorte
Enregistrement W4293168736 · doi:10.3389/fneur.2022.928773

Unequal Efficacy of Different Infarct Location in Predicting Futile Recanalization of Patients With Acute Ischemic Stroke

2022· article· en· W4293168736 sur OpenAlexaboutno aff
Zhaoshuo Li, Hailong Zhong, Tengfei Zhou, Yingkun He, Qiang Li, Ziliang Wang, Liangfu Zhu, Changming Wen, Jianfeng Han, Tianxiao Li

Notice bibliographique

RevueFrontiers in Neurology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Logistic regressionInternal medicineCardiologyUnivariate analysisInternal capsuleInfarctionOcclusionProspective cohort studyMultivariate analysisSurgeryRadiologyWhite matterMyocardial infarctionMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Objectives Endovascular thrombectomy (EVT) is a standard treatment for acute ischemic stroke (AIS) caused by large vessel occlusion, while futile recanalization is the main factor influencing the prognosis. The present study aimed to investigate the efficacy of different infarct sites in predicting futile recanalization of patients with AIS. Methods Data were obtained from two multicenter, prospective, randomized, and controlled trials, which were concurrently conducted in China. Cases achieving a successful recanalization and with complete data of preoperative Alberta Stroke Program Early CT score (ASPECTS) and 90-day follow-up were included. The ASPECTS subregions were used to mark different infarct locations in the two cerebral hemispheres. First, the distribution of each ASPECTS subregion in the left and right hemispheres and the whole brain was analyzed, respectively. Then, the regions associated with futile recanalization were initially assessed by a univariate model. Afterward, a multivariate logistic regression model was used to identify the efficacy of different infarct sites in predicting futile recanalization. Results A total of 336 patients were included in this study with a median age of 65 years (IQR: 51–74), of whom 210 (62.50%) patients were male, and 189 (56.25%) met the definition of futile recanalization. The correlation between each ASPECTS subregion and poor outcome was different when it was restricted to a specific cerebral hemisphere. Moreover, in the left hemisphere, the internal capsule region (OR: 1.42, 95%CI: 1.13–1.95, P = 0.03) and the M3 region (OR: 2.26, 95%CI: 1.36–3.52, P = 0.001), and in the right hemisphere, M6 region (OR: 2.24, 95%CI: 1.32–3.36, P = 0.001) showed significantly higher efficacy in predicting futile recanalization. Conclusion The efficacy of different infarct locations in predicting futile recanalization is different. Different preoperative patterns of the high-efficiency regions in the infarction core or penumbra can guide the thrombectomy decision-making.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,213
Écart entre enseignants0,208 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207