Location-specific ASPECTS does not improve Outcome Prediction in Large Vessel Occlusion compared to Cumulative ASPECTS
Notice bibliographique
Résumé
PURPOSE: Individual regions of the Alberta Stroke Programme Early CT Score (ASPECTS) may contribute differently to the clinical symptoms in large vessel occlusion (LVO). Here, we investigated whether the predictive performance on clinical outcome can be increased by considering specific ASPECTS subregions. METHODS: A consecutive series of patients with LVO affecting the middle cerebral artery territory and subsequent endovascular treatment (EVT) between January 2015 and July 2020 was analyzed, including affected ASPECTS regions. A multivariate logistic regression was performed to assess the individual impact of ASPECTS regions on good clinical outcome (defined as modified Rankin scale after 90 days of 0-2). Machine-learning-driven logistic regression models were trained (training = 70%, testing = 30%) to predict good clinical outcome using i) cumulative ASPECTS and ii) location-specific ASPECTS, and their performance compared using deLong's test. Furthermore, additional analyses using binarized as well as linear clinical outcomes using regression and machine-learning techniques were applied to thoroughly assess the potential predictive properties of individual ASPECTS regions and their combinations. RESULTS: Of 1109 patients (77.3 years ± 11.6, 43.8% male), 419 achieved a good clinical outcome and a median NIHSS after 24 h of 12 (interquartile range, IQR 4-21). Individual ASPECTS regions showed different impact on good clinical outcome in the multivariate logistic regression, with strongest effects for insula (odds ratio, OR 0.56, 95% confidence interval, CI 0.42-0.75) and M5 (OR 0.53, 95% CI 0.29-0.97) regions. Accuracy (ACC) in predicting good clinical outcome of the test set did not differ between when considering i) cumulative ASPECTS and ii) location-specific ASPECTS (ACC = 0.619, 95% CI 0.58-0.64 vs. ACC = 0.629, 95% CI 0.60-0.65; p = 0.933). CONCLUSION: Cumulative ASPECTS assessment in LVO remains a stable and reliable predictor for clinical outcome and is not inferior to a weighted (location-specific) ASPECTS assessment.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».