MétaCan
Menu
Retour à la cohorte
Enregistrement W4306980357 · doi:10.1161/strokeaha.122.038600

Covert Brain Infarction as a Risk Factor for Stroke Recurrence in Patients With Atrial Fibrillation

2022· article· en· W4306980357 sur OpenAlexaff
Do Yeon Kim, Seok-Gil Han, Han‐Gil Jeong, Keon‐Joo Lee, Beom Joon Kim, Moon‐Ku Han, Kang‐Ho Choi, Joon‐Tae Kim, Dong‐Ick Shin, Jae‐Kwan Cha, Dae‐Hyun Kim, Dong‐Eog Kim, Wi‐Sun Ryu, Jong‐Moo Park, Kyusik Kang, Jae Guk Kim, Soo Joo Lee, Mi Sun Oh, Kyung‐Ho Yu, Byung‐Chul Lee, Hong‐Kyun Park, Keun‐Sik Hong, Yong‐Jin Cho, Jay Chol Choi, Sung‐Il Sohn, Jeong‐Ho Hong, Tai Hwan Park, Kyung Bok Lee, Jee‐Hyun Kwon, Wook‐Joo Kim, Jun Lee, Ji Sung Lee, Juneyoung Lee, Philip B. Gorelick, Hee‐Joon Bae

Notice bibliographique

RevueStroke · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesUlsan University HospitalFeinberg School of MedicineJeju National University HospitalYeungnam UniversityInje UniversityHallym UniversityCollege of Medicine, Seoul National UniversitySoonchunhyang UniversitySeoul National University Bundang HospitalSeoul National UniversityChungbuk National UniversityKorea UniversityDongguk UniversityEulji UniversityChonnam National UniversityKorea University Guro HospitalKeimyung UniversityDong-A UniversityJeju National UniversityNorthwestern University
Mots-clésMedicineAtrial fibrillationStroke (engine)Internal medicineHazard ratioRisk factorCardiologyCerebral infarctionIncidence (geometry)Cumulative incidenceProspective cohort studyCohortIschemiaConfidence interval

Résumé

récupéré en direct d'OpenAlex

Background: We aimed to evaluate covert brain infarction (CBI), frequently encountered during the diagnostic work-up of acute ischemic stroke, as a risk factor for stroke recurrence in patients with atrial fibrillation (AF). Methods: For this prospective cohort study, from patients with acute ischemic stroke hospitalized at 14 centers between 2017 and 2019, we enrolled AF patients without history of stroke or transient ischemic attack and divided them into the CBI (+) and CBI (−) groups. The 2 groups were compared regarding the 1-year cumulative incidence of recurrent ischemic stroke and all-cause mortality using the Fine and Gray subdistribution hazard model with nonstroke death as a competing risk and the Cox frailty model, respectively. Each CBI lesion was also categorized into either embolic-appearing (EA) or non-EA pattern CBI. Adjusted hazard ratios and 95% CIs of any CBI, EA pattern CBI only, non-EA pattern CBI only, and both CBIs were estimated. Results: Among 1383 first-ever stroke patients with AF, 578 patients (41.8%) had CBI. Of these 578 with CBI, EA pattern CBI only, non-EA pattern CBI only, and both CBIs were 61.8% (n=357), 21.8% (n=126), and 16.4% (n=95), respectively. The estimated 1-year cumulative incidence of recurrent ischemic stroke was 5.2% and 1.9% in the CBI (+) and CBI (−) groups, respectively ( P =0.001 by Gray test). CBI increased the risk of recurrent ischemic stroke (adjusted hazard ratio [95% CI], 2.91 [1.44–5.88]) but did not the risk of all-cause mortality (1.32 [0.97–1.80]). The EA pattern CBI only and both CBIs elevated the risk of recurrent ischemic stroke (2.76 [1.32–5.77] and 5.39 [2.25–12.91], respectively), while the non-EA pattern only did not (1.44 [0.40–5.16]). Conclusions: Our study suggests that AF patients with CBI might have increased risk of recurrent stroke. CBI could be considered when estimating the stroke risk in patients with AF.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,257
Écart entre enseignants0,246 · 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207