Correlation between clinical and brain computed tomography findings of stroke patients: A cross‐sectional study
Notice bibliographique
Résumé
Abstract Background and Aims In developing countries, the burden of stroke is growing and causing significant morbidity and disability with high mortality rates. Neuroimaging plays a crucial role in differentiating ischemic stroke from an intracerebral hemorrhage, as well as entities other than stroke. This study sought to determine the correlation between the clinical and brain CT scan findings of stroke patients attending three hospitals in Kampala, Uganda. Methods This was a cross‐sectional study of clinically suspected stroke patients who were sent for brain CT scan at three selected hospitals in Kampala, Uganda. All brain CT scans of patients with suspected stroke were evaluated and the Alberta stroke program early CT score (ASPECTS) was used for middle cerebral artery (MCA) strokes. Univariate analysis was used to describe the clinico‐demographic and brain CT features of stroke and summarized them as percentages. Bivariate and multivariate analysis were used to determine the adjusted odds ratios as a measure of association with a 95% confidence interval (CI). Results Of the 270 study participants, 141 (52.2%) were male. 162 (60%) had CT findings of stroke, and 90 (33.3%) had normal brain CT findings. Eighteen (6.7%) had other CT findings like tumor, dural hemorrhage, epidermoid cyst, and others. Ischemic stroke, hemorrhagic stroke, and subarachnoid hemorrhage accounted for 124 (45.9%), 34 (12.6%), and 4 (1.5%) respectively. Limb weakness (55.2%), headache (41.1%), and loss of consciousness (39.3%) were associated with stroke findings on CT. Among the acute ischemic strokes, 30 (73.2%) had a worse (0–7) ASPECT score. Those aged ≥65 years were associated with a worse ASPECTS [AOR: 22.01, (95% CI: 1.58–306.09) p = 0.021]. Conclusion More than a third of patients with a clinical diagnosis of stroke had either no CT features of stroke or had other findings. The most commonly affected vascular territory was left MCA. Old age was strongly associated with having the worst ASPECTS score.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».