Abstract HUP4: Svin Mt2020 + Global Mechanical Thrombectomy Access Barrier Score
Notice bibliographique
Résumé
Introduction: Mechanical thrombectomy (MT) is a highly safe and effective standard of care for acute ischemic strokes with large vessel occlusion. However, timely access to MT is extremely limited on a global scale, with vast disparities in access between countries. MT2020+, a global non-profit initiative of SVIN, aimed to create a semi-quantitative global MT access barrier score (MTABS) to objectively measure the barriers impeding the implementation of treatment worldwide. Methods: Four independent investigators performed an in-depth systematic literature review using the peer review of electronic search strategies. Barriers to access were identified and categorized into 3 groups: information and diagnostic, physical, and financial. An international expert panel was created and scored each attribute using a modified Delphi process with the assistance of consultants from the University of Calgary W21C. A 1-9-point scale was used, with 1 being not at all important and 9 being extremely important. A meeting was held for the attributes that require deliberation. After an agreement, a list of attributes for access was elaborated. Next, a ranking of importance and individual weighting was done. We assigned a presence of or lack of an attribute a numerical value (1 for yes, 0 for no) and multiply by its weight to determine a final score. Results: After an initial screening of 2864 abstracts, 121 studies were included in the final systematic review. A total of 34 possible attributes that are barriers to access were identified. After the modified Delphi process, 26 individual attributes were selected. The MTABS was made with possible results from 0-62 points, with higher scores meaning higher barriers to access to MT. Conclusions: The global MTABS represents the first tool to quantify barriers to MT access worldwide. Its implementation will objectively measure the magnitude and identify key barriers to guide regional public health interventions to improve MT workflow and access.
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 | 0,010 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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 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 ».