Abstract 99: Clot Composition And Reperfusion Outcomes In 1430 Mechanical Thrombectomy Patients: Analysis Of The Stroke Thromboembolism Registry Of Imaging And Pathology
Notice bibliographique
Résumé
Background: Understanding clot composition may allow for better technical planning and improved outcomes in mechanical thrombectomy (MT). We sought to correlate clot composition with reperfusion outcomes in MT. Methods: Clinical, imaging, and clot data from patients enrolled in the STRIP Registry from September 2016 to September 2020 were analyzed. Samples were fixed in 10% phosphate-buffered formalin and stained with hematoxylin and eosin and Martius Scarlett Blue. Percent composition, richness, and gross appearance were evaluated. Outcome measures included the rate of First-Pass Effect (mTICI2c/3, FPE) and the number of device passes. Results: A total of 1430 patients (mean age, 68.4±13.5years; median [IQR] baseline NIHSS,17.2 [10.5-23]; IV-tPA use, 36%; Stent-Retrievers [SR], 27%; Contact Aspiration [CA], 27%; Combined SR + CA, 43%) were included. The median [IQR] number of passes was 1 [1-2]. FPE was achieved in 39.3% of the cases. There was no association between percent histological composition or clot richness and FPE in the overall population. However, the combined technique resulted in lower FPE rates for RBC-rich (P<0.0001), platelet-rich (P=0.003), and mixed (P<0.0001) clots. Fibrin-rich and platelet-rich clots required a higher number of passes compared to RBC-rich and mixed clots (median, 2 and 1.5 vs.1, respectively, P=0.02). CA displayed a trend towards a higher number of passes with fibrin-rich clots (2 vs.1, P=0.12). By gross appearance, mixed/heterogeneous clots had lower FPE rates than red and white clots. Conclusion: Despite the lack of correlation between clot histology and FPE in the overall population, our study adds to the growing body of evidence supporting the notion that clot composition influences reperfusion treatment strategy outcomes. Additional studies are needed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».